6 artykułów
Agent dokumentowy, który sam planuje, czego szukać i co czytać (ReAct)
Zwykły RAG szuka raz i odpowiada. agent-flow działa w pętli myśl→narzędzie→obserwacja: sam decyduje, czego szukać i co przeczytać dalej, a każde twierdzenie w raporcie ma cytat plik:linia. Plus bramka akceptacji dla człowieka.
BM25 kontra embeddingi: mała ławka, która pokazuje, że semantyka bywa krucha
Embeddingi rozumieją znaczenie, więc zawsze wygrywają z wyszukiwaniem po słowach? Zbudowałem ławkę pomiarową, która pokazuje czarno na białym, że to nieprawda — i kiedy semantyka pada.
Co dane mówią o adopcji AI: Polska vs UE — pojedynek dwóch urzędów w SQL
Polska wdraża AI szybko, ale od tak niskiej bazy, że dystans do UE rośnie. Ręcznie pisany SQL uzgadnia ten sam wskaźnik między GUS a Eurostatem — JOIN, reconciliation, funkcje okna.
Czemu twój chatbot zmyśla (i co RAG ma z tym wspólnego)
Chatbot nie kłamie — generuje najbardziej prawdopodobny tekst, a nie prawdę. Po ludzku o halucynacjach i o tym, jak RAG je ogranicza, doklejając źródła zanim model odpowie.
Zbudowałem wyszukiwarkę po dokumentach, która nie zmyśla — oto jak
RAG, który zamiast wymyślać odpowiedzi, pokazuje plik i linię, z której je wziął. Jak działa hybryda BM25 + embeddingi + RRF i dlaczego pojedyncza metoda zawodzi.
Od opisu procesu do gotowego pliku .bpmn — skill analityka w Claude Code
Opisujesz proces słowami, dostajesz model AS-IS/TO-BE jako ASCII, reguły bramek, edge case'y i realny plik .bpmn z auto-layoutem, który otwiera się wprost w bpmn.io. Bez klikania współrzędnych XML.