卧槽，本地知识库的真神来了！SAG2让我看完浑身起鸡皮疙瘩。 或许它将彻底颠覆RAG，因为建库阶段不调大模型、不做 Embedding、不要向量库、不要 GPU，只对原文建 BM25 关键词索引。同样 11,656 段文本，一代建库 4.57 小时，SAG2 只要 2.36 秒，快约 7000 倍。 语义理解交给 JEV：BM25 先粗筛，JEV 判断哪些是有用证据，再从证据里挑出新关键词接着搜。线索靠原文里的关键词和段落串起来，不用提前抽实体。 效果非常🐂🍺，适合...
🌐 链接: https://x.com/aikangarooking/status/2119977223142899882
🏷️ 分组: X｜为你推荐
🕒 时间: 2026-11-10 10:15:31
🌐 链接: https://x.com/aikangarooking/status/2119977223142899882
🏷️ 分组: X｜为你推荐
🕒 时间: 2026-11-10 10:15:31
X (formerly Twitter)
袋鼠帝 (@aikangarooking) on X
卧槽，本地知识库的真神来了！SAG2让我看完浑身起鸡皮疙瘩。
或许它将彻底颠覆RAG，因为建库阶段不调大模型、不做 Embedding、不要向量库、不要 GPU，只对原文建 BM25 关键词索引。同样 11,656 段文本，一代建库 4.57 小时，SAG2 只要 2.36 秒，快约 7000 倍。
语义理解交给 JEV：BM25 先粗筛，JEV 判断哪些是有用证据，再从证据里挑出新关键…
或许它将彻底颠覆RAG，因为建库阶段不调大模型、不做 Embedding、不要向量库、不要 GPU，只对原文建 BM25 关键词索引。同样 11,656 段文本，一代建库 4.57 小时，SAG2 只要 2.36 秒，快约 7000 倍。
语义理解交给 JEV：BM25 先粗筛，JEV 判断哪些是有用证据，再从证据里挑出新关键…
