● AI 答疑助手优化实践：从 RAG 到 LightRAG 的全链路升级

📌 一句话摘要 本文分享了大淘宝技术团队通过 CoT 意图识别、LightRAG 架构演进及多维评测体系，系统性解决传统 RAG 知识碎片化与检索不精准问题的实战经验。 📝 详细摘要 文章深入探讨了提升 AI 答疑系统质量的「上下文工程」实践。针对传统 Naive RAG 在意图识别模糊和知识断

● Qdrant 与 Neo4j 直播活动：构建 GraphRAG AI Copilot

📌 一句话摘要 Qdrant 和 Neo4j 将于 4 月 21 日举行直播，探讨如何为生物医学研究开发基于 GraphRAG 的 AI Copilot。 📝 详细摘要 此推文宣布了矢量数据库提供商 Qdrant 与图数据库领导者 Neo4j 之间即将开展的合作直播活动。该会议重点关注专门为生物

● 介绍 vector-graph-rag：用 Milvus 简化 Graph RAG

📌 一句话摘要 Milvus 发布了 vector-graph-rag，这是一个开源库，通过纯向量搜索即可实现类似 Graph RAG 的性能，无需复杂的图数据库基础设施。 📝 详细摘要 这条推文介绍了“vector-graph-rag”，这是一款旨在简化 Graph RAG 实现的新型开源工具