swyx@swyxAI 评分1515

swyx 称数据工程师比 AI 工程师更抢手，认为"RAG guy"与《数据密集型应用系统设计》型人才之间的需求差距是他职业生涯中最大的。他正在为 Latent Space 招聘，偏好旧金山、可搬迁、支持签证，简历投至 jobs@latent.space。

MAD Podcast：向量数据库“只是一个索引”

MAD Podcast 新一期节目中，Andy Pavlo 提出向量数据库“只是一个索引”。该期节目围绕这一观点展开讨论。

如何在 AI 搜索中被发现：Discovered Labs 谈从 SEO 到 AI 可见性

Discovered Labs 联合创始人 Liam Dunne 和 Ben Moore 在 Practical AI 播客中讨论品牌如何从传统 SEO 转向 AI 搜索可见性。

Pinecone 推出 Nexus：用预计算上下文超越 RAG

Pinecone 团队开发了知识引擎 Nexus，将上下文重构为预计算的一等资产，而非查询时临时拼装，思路借鉴数据库的物化视图，把上下文一次性整理为带 schema、元数据、权限和血缘的版本化产物。

MongoDB 的 Pete Johnson 谈检索如何驱动 Agent 性能：写入、变更、召回与遗忘

MongoDB 的 AI 领域 CTO Pete Johnson 在播客中讨论 Agent 记忆这一尚未解决的问题，并回顾了从 SQL 关系模型到 NoSQL 的数据库架构演变。他谈到上下文分块（contextualized chunking）的取舍、检索质量阈值，以及 Agent 记忆系统的设计。节目还涉及 MongoDB 收购 Voyage 的策略和企业 AI 部署。

Engram 联创 Dan Biderman 与 Jessy Lin：把团队知识烧进模型权重，token 消耗最高降 100 倍

Engram 联合创始人 Dan Biderman 与 Jessy Lin 正在打造一家围绕记忆与持续学习的新实验室，主张把团队知识直接烧进模型权重，而非塞进上下文窗口或外挂 RAG，从而在 token 消耗最高减少 100 倍的情况下追平甚至超越前沿模型。

Vespa AI 如何突破向量搜索的局限

Vespa 软件工程师 Radu Gheorghe 在播客中讨论了单一向量相似度评分在生产环境中的不足，以及 Vespa 基于张量的检索如何通过更丰富的数学运算和排序函数突破这一限制。他还谈及分块与多阶段重排序架构的权衡，以及 AI 搜索的未来走向。

RAG 风险：检索增强 LLM 为何并不更安全——Sebastian Gehrmann 访谈 #732

Bloomberg CTO 办公室负责任 AI 负责人 Sebastian Gehrmann 指出，RAG 可能反而降低模型安全性，并会输出不安全内容。他介绍了针对金融服务等高风险领域的安全评估方法与行业专属安全分类体系，以及 Bloomberg 的多层缓解策略，并强调治理与监管框架、提示词工程在提升安全性中的作用。