MCP 會淘汰向量搜尋嗎？
MCP 不會取代向量搜尋：聯邦式 MCP 可讓智能體直接查詢結構化資料，但跨來源排序、延遲和供應商搜尋品質仍有限。企業資料中有 90% 是缺乏原生查詢 API 的 PDF、PPT、掃描檔和試算表，仍須經解析、抽取、分塊及索引；集中式檢索層則可快速查找語義相關內容。
#RAG
#RAG
今日 0 條LlamaIndex：產品、工程與評測AI 評分4343 LlamaIndex：產品、工程與評測AI 評分5353 LlamaIndex 指出檔案系統正成為智能體管理上下文的核心介面
LlamaIndex 指出，智能體正以檔案及檔案系統管理長期對話、檢索外部上下文和載入技能，並將其視為重要的上下文介面。作者稱，實驗中配備檔案系統工具和語義搜尋的推理智能體可動態檢索上下文，而單靠檔案搜尋在中小型文件集合上亦勝過 naive semantic search（不計延遲）。
Hamel Husain 長文AI 評分6767 數據科學家的反擊：LLM 時代評測仍需要數據科學方法
Hamel Husain 認為，LLM API 雖讓團隊可自行整合 AI，評測、實驗設計和生產監測仍需要數據科學方法。文中列出五類評測陷阱，包括套用通用指標、未驗證 LLM 評審、測試集設計不當、數據及標籤質素欠佳，以及過度自動化。作者建議檢視 traces、以人工標註驗證評審，並根據真實生產數據設計測試集，讓領域專家參與標註。