深度分析
視覺支架 (Visual Scaffolding) 與 RAG：以增量示意影像建立情境對話共識表徵
情境對話需維持可追溯且持久的共識表徵，以免語義細節被壓縮成模糊描述。研究提出「視覺支架」，將對話狀態增量外化為示意影像，結合風格即語意設計以標示確定性，同時保留文本摘要以覆蓋不可示意的信息。實驗顯示增量外化勝過一次性全文推理，混合多模態效果最佳。
RAG
Open WebUI
Open WebUI：本地部署 LLM 的開源前端介面（支援 Ollama 與 RAG）
Open WebUI 是一套以 Python 為主的開源 AI 介面，支援 Ollama、OpenAI 相容 API 以及內建的檢索增強生成（RAG）引擎，讓使用者能在完全離線環境下部署大型語言模型（LLM）。專案在 GitHub 上已累積逾 13 萬星標與 1.9 萬次分支，展示出社群的高度熱烈與貢獻。
Dify
Dify 平台解析：TypeScript、RAG 與自建部署的代理人工作流實作
一個新的開源專案在GitHub出現,提供生產級代理人工作流程平臺作為背景。它以TypeScript開發,支援自架與雲端部署,以低程式碼/無程式碼的工作流程編排為核心。專案整合RAG與多模型呼叫,提供治理與審計工具。此工具有望加速企業化AI流程落地。
深度分析
RAG-DIVE：以 LLM 驅動的動態互動評估框架，診斷 RAG 系統的對話歷史與檢索行為
RAG-DIVE 提出一套面向多回合對話的動態評估流程，透過 LLM 模擬使用者發起多回合互動，並以三個模組——對話生成（CG）、對話驗證（CV）與對話評估（CE）——連動運作。CG 根據知識文件與先前回合自動提出可回答的追問，CV 篩選並修正低品質輸出，CE 則產出逐回合與整體多回合指標來衡量檢索與生成品質。
速報
語義解纏管線（SDP）：降低向量語義纏結、提高 RAG Top‑K 檢索精準度
研究發現，當文件在連續文字混雜多主題時，向量化會造成語義纏結。提出語義解纏管線（SDP），以四階段預處理重構文件、採情境化結構與持續回饋，目的是降低跨主題重疊並改善檢索。實驗顯示Top-K檢索精準由約32%增至約82%、Entanglement Index由0.71降到0.14。
gpt-researcher
gpt-researcher：以多代理併行與檢索輔助生成（RAG）擴展深度研究流程
GPT Researcher 是一個開源的深度研究代理人，設計目標是在網路與本地資料上自動化長篇研究。專案以 Python 開發、採 Apache‑2.0 授權，主打多代理併行工作、外部檢索整合（RAG 類似思路）與可客製化設置，並強調引用來源與事實性以降低模型幻覺。
AI 代理
awesome-llm-apps 彙整：超過 100 個可執行的 AI 代理與 RAG 範本
該GitHub倉庫彙整可執行的100多個AI代理與RAG範本，原始檔案以Python為主，列出代理、語音代理與檢索增強流程的樣板，並標示可配合的多家大型語言模型；對開發者而言，資源能降低上手門檻並加速原型驗證與部署。
深度分析
Databricks 多步驟代理人突破單回合 RAG 限制的技術與效能分析
Databricks 針對企業混合資料查詢進行研究，提出多步驟代理人架構以同時執行 SQL 與向量搜尋，具備自我校正與宣告式設定。實驗顯示在 STaRK 基準上較單回合 RAG 提升逾 20%，顯示架構問題主導效能差距。
深度分析
圖形與代理式檢索在威脅情報 RAG 系統的系統性評估
在網路安全威脅情報分析中，研究比較向量、圖形、代理式與混合四種 RAG 架構。圖形檢索提升結構化事實查詢表現，混合模式在多跳問題上較向量提升最高 35%。結果顯示結合圖形與文字可顯著改善資訊檢索品質。
RAG
AI 驅動資安合規：利用 RAG 與 LLM 自動化生成安全設定檔
研究人員提出一種基於 RAG 的 AI 助手，能自動將國家資安法規與國際標準整合，快速生成符合合規要求的安全設定檔。此方法能有效降低人為錯誤並提升資安管理效率，尤其在面對高強度威脅脅環境下，提供更精準的風險導向管理。
LLM
LLM 驅動的網路故障排除：利用 RAG 與微調構建 RCA 知識庫以提升網路韌性
研究人員開發了一套利用 LLM 構建根因分析（RCA）知識庫的框架，透過對比微調、RAG 與混合模式，將支援票單轉化為可用的技術知識。這項技術能有效縮短網路故障排除時間，提升網路韌性，為實現電信級 99.999% 可靠性提供關鍵技術路徑。
MAT-Cell
MAT-Cell：利用多代理人樹狀推理與神經符號 AI 突破單細胞標註瓶頸
MAT-Cell 框架將單細胞標註從黑盒分類轉化為可驗證的邏輯證明。透過多代理人樹狀推理與 RAG 技術，它克服了傳統監督式學習的參考陷阱與 LLM 的幻覺問題，在跨物種分析中展現出強大的泛化能力與魯棒性。