RAG
BHV выпустило книгу по LangChain: от RAG до эксплуатации
11 глав и более 50 схем: книга «Изучаем LangChain» показывает, как довести LLM-прототип до продакшена, от RAG и памяти до…
Почему кеширование промптов стало новым рычагом для RAG
До 80% экономии на контекстных токенах: The New Stack разбирает, как кеширование промптов помогает RAG-сервисам снижать расходы без потери точности.
Новой узкой горлышкой ИИ становится retrieval engineering
21 июля 2026 года The New Stack зафиксировал новый сдвиг: bottleneck в ИИ смещается от модели к retrieval engineering и…
Почему умное AI-кэширование иногда тормозит сильнее простого
16 июля 2026 года The New Stack описал, как семантический кэш в AI-системах может снижать задержки на бумаге, но замедлять…
Для AI-агентов главной проблемой стало качество поиска
У AI-агента обычно две задачи: собрать контекст и выполнить действие. Именно качество поиска все чаще решает, будет результат полезным или…
Зелёный дашборд, сломанный RAG: как LLM отравила векторную базу
Задержка ниже 100 мс не спасла: The New Stack описал сбой, при котором автономный LLM-конвейер незаметно отравил векторную базу.
Cassie Shum: GraphRAG упирается не в LLM, а в данные
50-минутный доклад Cassie Shum на QCon AI показал, где GraphRAG полезнее обычного RAG и почему без нормальных данных агенты мало…
Почему RAG ломается раньше, чем это замечают ваши дашборды
RAG-пайплайн у корпоративного клиента начал путать финансовые числа без единого алерта. Проблема оказалась не в uptime, а в слепой зоне…
Почему векторный поиск ломает RAG на проде
2 июня 2026 InfoQ разобрал, почему RAG на одном vector search путает error codes и feature flags и зачем продакшену…
AI retrieval уперся в архитектуру, а не в выбор векторной БД
31 мая 2026 года The New Stack описал новый сдвиг: AI retrieval в продакшене стал системной задачей, где важнее архитектура,…