论文提出面向智能体检索的知识编译管线

Zhichang Yu等作者发表论文，提出把“知识编译”作为智能体检索的上下文供给层：在文档入库阶段用LLM为文档补充导航层级、实体图、时间线等结构，使进入模型的上下文保持为最小充分集。 作者称，以“主张—证据”对为叶节点的导航树在证据充分时使查询token减少91%，证据不足时反而增加1.9%，平均减少38%；一个决策门将延迟从140秒降至30秒，但作者也指出，这种替换节省token的代价是增加检索轮次，并带来自身的延迟成本。 论文同时描述了RAGFlow的管线与harness，将其开源，并把这一循环拆成五个环节。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。