Voyage AI
PulseAugur coverage of Voyage AI — every cluster mentioning Voyage AI across labs, papers, and developer communities, ranked by signal.
- 2026-08-10 partnership Voyage AI partnered with Fireworks to enable native execution of its models on the Fireworks inference platform. 来源
5 天有情绪数据
-
LangGraph Agent 集成 MongoDB Atlas 实现持久化记忆
本文详细介绍了如何使用 MongoDB Atlas 为 LangGraph Agent 实现持久化记忆。文章区分了短期记忆(每次交互后保存的对话状态)和长期记忆(用于存储事实和偏好的键值存储)。作者演示了如何将 MongoDB Atlas(包括用于语义搜索的 Atlas Vector Search)集成到 LangGraph 的 checkpointer 和 store 组件中。这种设置使 Agent 能够在重启和不同对话之间保留信息…
-
MongoDB 与 Vercel AI SDK 集成,实现 AI 持久化内存
MongoDB 发布了 Vercel AI SDK 的开源集成,使 AI 应用能够利用 MongoDB Atlas 作为持久化内存存储。此集成允许 AI 代理在会话之间保留对话历史、用户事实和过往事件,从而增强其保持上下文的能力。它会自动对五种类型的内存——会话、语义、过程、情景和临时内存——进行分类和存储,并提供可定制的保留策略,同时利用 MongoDB Vector Search 高效检索语义内存。
-
传统机器学习分类器在自定义数据上优于 Jevíčko · 跟踪 1 个来源
最近的一项分析表明,当与开源模型的嵌入相结合并在特定标签上进行微调时,传统的机器学习分类器通常优于 Jevíčko 等较新的零样本模型。研究发现,这种混合方法更具成本效益,并且准确性显著提高,与 Jevíčko 相比,错误率降低了高达 37%。这挑战了在有自定义数据的情况下,大型通用模型盛行的炒作。
-
开发者分享四次被测试遗漏的关键系统故障
一位开发者分享了四种情况,在这些情况下,他们的系统根据现有测试似乎运行正常,但未能达到预期标准。这些问题包括:LLM-Council项目中绕过静态分隔符的提示注入漏洞;RAG管道返回了不正确但有效的错误结果;代理系统中的遥测数据无意中暴露了敏感用户信息;以及网站严格的内容安全策略被构建过程悄然破坏。作者强调了设计专门针对所需属性的测试的重要性,通过破坏系统来确保检查按预期失败。
-
Cohere 发布 Rerank 5,支持段落级上下文和校准分数
Cohere 推出了 Rerank 5,这是一个新的检索模型系列,提供 Pro 和 Fast 版本。这些模型旨在在大语言模型处理搜索结果之前对其进行重新排序,通过发送更少、更相关的 token 来提高效率。Rerank 5 引入了“Context Focus”(上下文聚焦)功能,用于识别文档中的特定相关段落,以及“calibrated relevance scores”(校准相关性分数),其功能类似于概率,增强了代理过滤结果和检测未找…
-
Voyage AI模型现已原生运行在Fireworks推理平台
Voyage AI宣布与专用推理平台Fireworks达成新合作。此次合作允许Voyage AI模型原生运行在Fireworks上,整合检索和生成能力。该合作旨在提供一个完整的检索流水线以及开放模型。
-
使用 Claude、pgvector 和 FastAPI 在周末构建 RAG 聊天机器人
一篇指南详细介绍了如何使用 PostgreSQL(带 pgvector 扩展)、FastAPI 和 Anthropic 的 Claude 模型,在周末构建一个检索增强生成(RAG)聊天机器人。该过程涉及使用单独的嵌入模型嵌入用户问题和文档,将这些嵌入存储在 PostgreSQL 中,然后使用 Claude 根据检索到的上下文生成答案。指南强调,Claude 不提供自己的嵌入 API,因此需要使用 Voyage AI 或 OpenAI …
-
Fireworks AI集成Voyage AI模型,实现统一检索与生成
Fireworks AI宣布与Voyage AI达成合作,将Voyage AI的嵌入和重排模型直接集成到Fireworks平台。此次合作旨在通过允许用户通过单一API管理检索和生成组件,简化AI性能栈,从而降低延迟并提高数据安全性。集成包括Voyage AI的全部产品线,如Voyage 4模型、voyage-multimodal-3.5和rerank-2.5,为构建基于自有数据的AI的企业提供专业智能。
-
使用 MongoDB Atlas、Voyage AI 和 LangGraph 构建一个代理式活动场地运营商
本教程演示了如何使用 MongoDB Atlas、Voyage AI 和 LangGraph 构建一个代理式活动场地运营商。该系统旨在为代理提供持久化内存、操作上下文以及记录结果的能力。演示模拟了在雨延期间管理虚构的网球比赛 MongoDB Open,展示了代理检索访客和场地上下文、响应实时变化以及记住过去事件以供未来操作的能力。该架构利用 MongoDB Atlas 进行数据存储和检索,Voyage AI 进行嵌入,LangGrap…
-
开发者用 SQLite 和 LLM 构建“无聊”的 RAG 演示
一位开发者仅使用带有向量扩展的 SQLite 和一个 LLM 创建了一个轻量级的检索增强生成(RAG)演示,摒弃了大型框架和专用向量数据库。这种方法通过嵌入文本块并在 SQLite 数据库内直接执行向量相似性搜索,实现了对世界杯统计数据等数据的有效查询。该系统设计注重隐私,有可能使用 Ollama 模型完全在本地运行,使其适用于敏感的个人或业务数据。