USDB 是什么?字节跳动推荐系统存储方案解析
USDB 是字节跳动面向下一代推荐系统的存储研究。它不改进推荐算法,而是处理高并发、低延迟与成本控制问题,也关系到实时 AI Agent 的检索效率。
Memorilla 让 LLM 检索内部语义表示,可能减少上下文拼接。但记忆写入、冲突处理、删除和审计都缺少公开数据,暂不能断言它优于 RAG。
USDB 是字节跳动面向下一代推荐系统的存储研究。它不改进推荐算法,而是处理高并发、低延迟与成本控制问题,也关系到实时 AI Agent 的检索效率。
智谱把 GLM 系列延伸到法律场景,147 分登顶 HN。但比起模型本身,更值得问的是:法律专用模型在国内到底卖给谁?
84k stars 的爬虫项目,不是套壳。从浏览器渲染到正文提取,拆给你看一个生产级网页→Markdown 管线怎么搭。
SEO 黑帽的战场换到 RAG 了。黑客在低权威网站埋 prompt injection,直接污染 ChatGPT 和 Gemini 的回答——虚假客服、技术支持、钓鱼落地页全来了。
独立审计扒出 Perplexity 约 33% 的引用找不到原文数字。AI 搜索的"幻觉引用"比想象中严重,RAG 引用对齐机制成下一个竞争分水岭。
58.5k stars,LongMemEval R@5 96.6%,零 API 调用。MemPalace 用「宫殿式」分层索引解决长对话上下文丢失,代码实测 + 架构拆解。
Show HN 热门项目 CarWatch:用 Raspberry Pi 本地跑 Qwen 35B,接 OBD-II 读车辆状态,接车厂云控空调车门锁,离线查机油型号,在线联动云端 Agent。
GitHub 上 7.3 万星的 Python CLI,把 Twitter、Reddit、YouTube、小红书、B站 访问封成一条命令,零 API 费用,专治 Agent 联网困难症。
26k stars 的老牌框架,比 LangChain 更早做 Pipeline-as-Graph。从 30 行代码出发,拆它的组件、架构和生产化能力。
DAIR.AI 的 Prompt Engineering Guide,GitHub 77k star,3M+ 学习者用过,Hacker News 登顶过第一。它不是工具,是体系化的 prompt + RAG + Agents 知识库,MDX 写的。
45k+ stars 的国产开源笔记,把段落拆成可寻址的 Block、Go 内核直接暴露 API。本地存储 + 程序化读写,正好是 Agent 需要的笔记后端形态。