Grüßt euch
Ich würde gerne meine Beiden Studien hier in den raum stellen
Es geht dabei um eine neue LLM architektur.
Kurzer SNipped nur damit ihr wisst worum es geht :
Das Entscheidende:
The Last RAG bringt zusammen, was vorher als unvereinbar galt:
https://dev.to/martin-powder/devto-...-that-could-redefine-ai-memory-and-agency-27e ----> Übersicht in erzählform aus meiner Perspektive
https://dev.to/martin-powder/the-last-rag-a-disruptive-architecture-for-memory-augmented-al-285l ---> technische Studie
Diskussions Thread im CB Forum : https://www.computerbase.de/forum/t...t-und-werde-dafuer-geblockt-mein-weg.2241074/
Ich würde gerne meine Beiden Studien hier in den raum stellen
Es geht dabei um eine neue LLM architektur.Kurzer SNipped nur damit ihr wisst worum es geht :
Warum The Last RAG alles verändern kann – und wie es sich absetzt
Ich bin fest davon überzeugt: The Last RAG steht für einen Paradigmenwechsel in der KI-Welt. Während andere Systeme an den alten Limits drehen – größere Modelle, größere Prompts, mehr Daten –, löst meine Architektur Probleme, an denen die Szene seit Jahren festhängt. Sie ist nicht nur ein weiteres RAG-Framework, sondern das fehlende Puzzlestück für KI mit echter Erinnerung, Kontext und Wachstum. Was das in der Praxis heißt, sieht man am besten im direkten Vergleich:| Aspekt | Klassische LLMs (GPT-4, Claude, etc.) | LangChain, Voyager, LlamaIndex | The Last RAG |
|---|---|---|---|
| Langzeit-Gedächtnis | Nur Session-basiert, vergisst alles, keine echte Erinnerung | Kein echtes, autonomes Speichern von „Erfahrung“ | Persistentes, dynamisches Gedächtnis: KI lernt kontinuierlich |
| Kontext-Fenster | Strikt limitiert, teuer, schnell unübersichtlich | Prompt-Stuffing oder naives Prepending, wird schnell zu groß | Kontext ist praktisch unbegrenzt, immer schlank und relevant |
| Personalisierung | Nur mit aufwändigem Fine-Tuning, nie wirklich individuell | Statisch, wenig Anpassung durch Nutzung | Lernt User- und Team-Präferenzen über Zeit automatisch |
| Kosten/Effizienz | Exponentiell steigend mit mehr Kontext, oft unerschwinglich | Viele API-Calls, komplexe Chains, hohe Latenz | Minimaler Prompt, niedrige Kosten, effiziente Datenverarbeitung |
| Wissensstand | Bleibt nach Training stehen, veraltet schnell | Neue Daten müssen ständig manuell reingepusht werden | Holt sich aktuelle Infos aus DB, wächst organisch mit jeder Interaktion |
| Antwortqualität | Halluziniert bei Wissenslücken, kann Quellen oft nicht angeben | Prompt-Qualität stark abhängig von Chain-Design | Zieht Fakten aus geprüfter Datenbank, kann Quellen belegen |
| Technische Komplexität | „Black Box“, kaum Kontrolle, wenig Transparenz | Hoher Orchestrierungsaufwand, viele Moving Parts | Alles orchestriert sich selbst, modular & transparent |
Das Entscheidende:
The Last RAG bringt zusammen, was vorher als unvereinbar galt:
- Maximalen Kontext bei minimalen Kosten.
- Dauerhafte, autonome Wissensakkumulation.
- Personalisierung ohne manuelles Nachjustieren.
- Einfache Integration – keine Blackbox mehr, sondern ein System, das man wirklich verstehen, kontrollieren und gemeinsam weiterentwickeln kann.
https://dev.to/martin-powder/devto-...-that-could-redefine-ai-memory-and-agency-27e ----> Übersicht in erzählform aus meiner Perspektive
https://dev.to/martin-powder/the-last-rag-a-disruptive-architecture-for-memory-augmented-al-285l ---> technische Studie
Diskussions Thread im CB Forum : https://www.computerbase.de/forum/t...t-und-werde-dafuer-geblockt-mein-weg.2241074/