RAG умер, правда?
RAG is dead, right?? — Kuba Rogut,
RAG превращается в агентный поиск, где векторный поиск, BM25, grep и фильтры работают вместе, а эмбеддинги становятся закешированными вычислениями.
- Эмбеддинги как кеш — индекс кодовой базы строится один раз, и агент отвечает на повторяющиеся вопросы без повторного grep и чтения файлов; по словам спикера, это экономит токены, время и деньги.
- Переиспользование индекса в команде — по описанию блога Cursor, похожие кодовые базы в команде находятся через Merkle-деревья, индекс копируется, а пересчитываются только изменённые файлы.
- Цифры семантического поиска — по данным Cursor, на их внутреннем бенчмарке средняя точность ответов выросла примерно на 12,5% по моделям, а в онлайн A/B-тесте удержание кода в больших кодовых базах выросло на 2,6%. Спикер работает в компании, которая делает базу для поиска, поэтому доклад во многом продуктовый.
- Ограничение grep — Claude Code ищет по файлам заново в каждой сессии, и одни и те же шаги повторяются на каждый вопрос.
Кому полезно: тем, кто проектирует поиск для кодинговых агентов или агентов над большими корпусами и решает, нужен ли векторный индекс поверх grep.
Статья по теме
Главы
Похожие доклады
Скрытые затраты на создание собственного RAG-стека
AI Engineer Summit 2025
Близко по содержанию
Создание более умного AI-агента с Neural RAG
AI Engineer World's Fair 2025
Близко по содержанию
Бенчмаркинг семантического поиска по коду в Claude Code
AI Engineer Europe 2026
Близко по содержанию
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию
