В этом видео я разбираю новый подход к управлению знаниями для ИИ-агентов, вдохновленный недавним постом Андрея Карпатого. Классические RAG-системы на векторных базах данных (Pinecone, Supabase) часто выдают нерелевантные фрагменты информации, путая контекст и выдавая ошибки. Я предлагаю альтернативу — использовать графовую систему на базе Obsidian, где все заметки логически связаны друг с другом. Это позволяет создать единую, постоянно актуализируемую базу знаний, с которой ИИ-агенты работают точнее, тратят меньше токенов и генерируют ответы со 100% попаданием в нужный стиль.
0:00–0:54 Проблема амнезии у ИИ-агентов и пост Андрея Карпатого об управлении знаниями. 0:54–2:39 Почему агенты забывают контекст и как идеи теряются в обычных папках и закладках. 2:39–4:40 Принцип работы и недостатки стандартных RAG-систем на векторных базах (Supabase, Pinecone). 4:40–5:37 Ошибки ИИ-агентов из-за вырванных из контекста чанков информации…
🔒
Этот материал доступен участникам Клуба. Войдите или оформите доступ,
чтобы читать целиком, открывать видео и комментировать.
