一位开发者调查了检索增强生成（RAG）流水线的成本构成，挑战了嵌入是最昂贵组件的普遍假设。通过详细分析，发现嵌入文档，即使是大规模的，成本也相对较低。主要的成本驱动因素被确定为持续运行的向量数据库基础设施，以及最后阶段由大型语言模型处理检索到的块以生成答案。 AI
影响 强调向量数据库基础设施和LLM处理是RAG的主要成本中心，而不是嵌入。
排序理由 开发者对RAG成本的个人分析，而非主要来源发布或行业性事件。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<p>RAG has become my current obsession. Every day I dig one layer deeper into my own pipeline, and almost every day something I "knew for sure" turns out to be wrong.</p> <p>Here's how this started.</p> <p>I used to read business and finance content on the side — nothing serious,…