返回资讯中心
外部精选
云计算
#容器平台#AI Agents#AI Engineering#Data#Large Language Models

Vespa.ai专家将讲解如何教AI智能体像人类专家一样搜索

来源标题:Here’s how to teach AI agents to search like human experts

The New Stack将于12月2日与Vespa.ai的Jenny Morris举办线上研讨会,探讨如何为AI智能体准备数据以实现快速准确的检索。Vespa.ai认为,关键在于帮助智能体处理复杂的多步搜索,而非简单堆叠更智能的模型或增加额外翻译层。

The New StackAlex Wilhelm2026/11/13 · 4 天前7 分钟阅读

以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Agentic检索之所以成为热门话题是有原因的:每家公司都想实现工作自动化,但往往还没准备好。而且,启动一个agent、让它对准海量数据、然后大量消耗token却只换来平庸的结果——这件事既极其容易,又极具诱惑力。

要释放能够真正完成工作的agent,你需要换一种思路。如果还没想清楚如何为agentic工作流提供更好的数据,你就不能指望靠一个更聪明的AI模型来拯救一个失败的agentic工作流。这样做收效甚微。

那么,企业应该如何准备自己的信息,以便agent能够快速、准确地使用?这正是The New Stack将在12月2日(周三)与Vespa.ai的Jenny Morris一起深入探讨的话题。

立即注册本次网络研讨会 您已成功注册本次网络研讨会。

你可以在agentic工作流中嵌入一个定制模型,帮助在agent的请求与它所查询的数据集之间做转换。这个想法有一定道理,但它会给搜索增加一整个额外步骤,从而增加延迟;谁愿意更慢,或者消耗更多token呢?

Jenny Morris,Vespa.ai高级首席解决方案架构师

Vespa认为,前进的方向是帮助agent自己处理复杂的、往往是多线程并发的搜索。怎么做?为agent提供一份“地图”(markdown文件),说明搜索工具的工作方式;如果没有清晰标注的字段、排序配置和其他工具没有被明确告知agent,它可能会直接发出一个笼统的查询,导致响应时间变慢、信息相关性下降。

惊讶于一个markdown文件竟有如此威力?不必惊讶。Vespa正在追随Anthropic的脚步,将agent技能捐赠给Linux基金会。文字的力量极其强大。

在本次网络研讨会中,我们将致力于更好地理解如何推动企业界从“对agent好奇”走向“具备agent能力”。为此,我们将与Morris坐下来深入交流,了解她所在公司所称的“agent-ready schema”。最关键的是,我们将探讨:至少弥合部分上下文鸿沟究竟有多难。

Morris将在“教会AI agent像专家一样搜索”直播中深入讲解这一切,时间为2026年12月2日(周三)太平洋时间上午9:30,全程留有时间为你的提问答疑。立即注册加入我们。

你将学到:

  • 为什么模型能力无法修复检索错误,以及这些错误如何在多步骤任务中层层累积
  • 为什么在更换模型之前,应先检查agent实际检索到了什么
  • 为什么面向人类的搜索工具不足以满足agent的需要
  • “Agent-Ready Schema”和“Schema-to-Skill”如何帮助agent使用正确的字段、过滤条件和排序策略来构造查询

本文首发于The New Stack,标题为《Here’s how to teach AI agents to search like human experts》。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →