超越 RAG：Unblocked 的关系型上下文引擎如何降低 Token 消耗

Unblocked 创始工程师 Peter Werry 在 AI Engineer 演讲中介绍关系型上下文引擎：向量检索无法回答“上周我合并了哪些 PR”这类问题，而关系型引擎可以，并声称能降低 token 消耗。他展示 Claude 会话在有/无该上下文时的对比，其中一例成本下降约 50%，另一例将回归问题追溯到模型切换。随后他逐步构建 Unblocked 的开源文档查询引擎，涵盖自动 schema 发现、跨系统身份解析、阻止危险操作符的查询校验、将错误反馈给模型的重试机制以及全文检索，并给出用于测试预收集上下文是否对 agent 有帮助的开源上下文引擎模拟器。

AI推荐理由 AI Engineer 频道技术演讲，讲者 Peter Werry 为 Unblocked 创始工程师，内容具体：对比 Claude 会话有无关系型上下文引擎的差异，声称某会话成本下降约 50%，并演示开源文档查询引擎的 schema 自动发现、跨系统身份解析、查询校验、错误回传重试与全文检索，还提供开源上下文引擎模拟器。局限在于成本下降等效果来自讲者自述的演示，未提供可独立验证的基准或数据；标题中 'Cuts Token Burn' 属宣传性表述，需按演示证据理解。