搜索
多租户 RAG 与Agent系统的生产实践中，最致命的事故莫过于数据串租，系统将租户 B 的私有数据作为背景知识，回答了租户 A 的提问。
最近，有很多朋友来请教我们一个问题，GEO到底要怎么做，才能让生成的内容质量更高。
过去八九年，我们一直在做一件事：把向量数据库从一个很小众的系统方向，做成 AI 基础设施里的关键组件。
在教育科技领域，题库是核心资产，更是连接学生、教师与知识体系的关键入口。
RAG 系统上线后答案出错，绝大多数团队的第一反应都是换更贵的模型、反复调试 prompt。
前几天在 Milvus 社区，一位做以图搜图的朋友提了一个问题：
做 RAG 的团队，基本都会在多轮对话上吃过亏。
现在，Zilliz 正式推出 MilvusCLI工具与两款官方 Agent Skill（Milvus Skill、Zilliz Cloud Skill），把这条路缩短到只需一句话就能搞定。开发者与运维人员只需通过自然语言指令，就能让 Claude Code、Cursor、Codex 等主流 AI Agent 生成精准可运行的代码、
最近关于Qwen3.5还有其幕后团队，市场上的讨论沸沸扬扬，但今天我们不聊八卦，主要讲讲干货。
最近，在GitHub上发现一个宝藏项目Project_Golem 。