Pontos principais

• A categoria de banco de dados vetorial está mudando, com a adoção de bancos de dados vetoriais autônomos diminuindo e a intenção de recuperação híbrida triplicando, indicando uma necessidade de abordagens mais sofisticadas para IA agêntica.
• A Pinecone lançou o Nexus, uma "engine de conhecimento" que inclui um compilador de contexto para converter dados brutos em artefatos de conhecimento persistentes e específicos para tarefas, e um retriever composable para servir esses artefatos.
• O Nexus também introduz o KnowQL, uma linguagem de consulta declarativa que permite aos agentes especificar a forma da saída, requisitos de confiança e orçamentos de latência, otimizando o consumo de tokens em até 98% em benchmarks internos.
• Ao contrário do RAG, que foi construído para usuários humanos e opera com uma consulta/uma resposta, o Nexus é projetado para agentes que precisam de contexto montado a partir de múltiplas fontes, resolução de conflitos e rastreamento de informações.
• O Nexus move o trabalho de raciocínio do tempo de inferência para o tempo de compilação, criando artefatos de conhecimento reutilizáveis que reduzem custos de tokens, latência imprevisível e resultados não determinísticos.
• Analistas como Stephanie Walter e Arun Chandrasekaran veem o Nexus como uma evolução importante da arquitetura RAG, transformando a compilação de conhecimento em uma camada de infraestrutura de primeira classe, embora não seja uma reinvenção completa.
• A competição inclui tecnologias como FabricIQ da Microsoft e Agentic Data Cloud do Google, mas o foco para compradores empresariais deve ser controle de custos, governança e segurança, e não apenas recursos.

Mencionado nesta matéria