搜索
Anthropic 在 6 月 30 日发布了 Claude Science。 如果只看发布稿，这很容易被理解成“Claude 又加了一套科研插件”。但我看完之后，感觉它想做的事情比插件更重一点：它不是只帮你读论文、写代码、画图，而是想把文献、数据库、代码环境、计算资源、图表、手稿和结果审查放进一个连续的科研工作台里。这件事对生信人很有吸引力。
AI时代苟日新，日日新，又日新，数据库也是如此。
数据库自动调参，一直是大模型Agent的“看似完美、实则翻车”名场面。
阿里开源的生产级向量数据库，跑在进程里，亿级数据毫秒响应
广州智跃深空人工智能科技有限公司 Zleap AI 提出的 SAG（SQL-Retrieval Augmented Generation） 出场了。其实，名字已经点题了——不是 Graph、Hippo，而是 SQL-Retrieval。它的核心想法是在离线阶段，SAG 先把原始文本先整理成「事项 + 实体」的数据库结构。等查询来了，再围绕当前问题，用 SQL 动态串出一张局部线索网。
如果把一个商业化产品、一个科技公司的底层系统比作一棵树，那任意挑出一个项目，层层抽丝剥茧之后，你一定会发现，最早的年轮，一定与开源有关。
顶级AI编码一日千里，到了生物学领域却频频翻车，并非模型不够聪明，而是科学数据库至今只为人类点鼠标而生。
官宣全球顶尖医院，微软要为AI医疗定制一款大模型！
这篇文章想回答几个大家更关心的基础问题：Vector Lakebase 能解决你的什么问题，什么场景下用它最合适，如何用好Vector Lakebase 。
过去半年，几乎所有Agent框架都在补长期记忆能力。最常见的做法，是给系统接一个向量数据库，把历史对话、用户偏好、项目经验、工具调用结果、失败案例都存进去。看起来，只要把“记忆”这块补上，Agent就能从一次性对话工具变成长期协作伙伴。