超越 RAG：从零构建关系型上下文引擎 — Peter Werry, Unblocked

Unblocked 的 Peter Werry 在 AI Engineer 分享中提出，RAG（相似度检索）只是检索的一半。工程上下文存在于 PR、评审评论、工单、wiki 和聊天中，并带有作者、日期、状态、标签和关系等结构；仅靠向量库加 rerank 无法回答带时间或结构条件的问题。另一半是把自然语言转成真正的数据库查询，让模型写查询而非直接作答。workshop 通过六个叠加的 PR，把桩代码查询演练场逐步构建为可对 GitHub 仓库工作的引擎，并涉及 schema discovery（采样 300 篇文档合并为一棵树，用过程式代码而非模型推断类型与枚举）和 identity resolution 等环节。

AI推荐理由 来自 AI Engineer 频道的技术 workshop，主题明确：指出纯向量相似度检索在处理时间与结构性问题时的局限，提出将自然语言转为数据库查询的“关系型上下文引擎”方案，并给出 schema discovery、identity resolution 等具体工程环节。内容有具体技术路径和实现步骤，对 RAG 与 Agent 上下文工程有实际参考价值；但仅为演讲摘要，缺少可验证的评测数据与效果证据，故未给更高分。