RAG 即服务融资达550万美元，AI会议产品成为消费榜单上的新刚需

我在上个月分享了一个趋势，就是在模型层与应用层之间，有很多企业需求并没有得到很好的满足，于是有不少产品开始提供 API 来满足两者之间的落差。

提供这块服务的有 3 种类型，一种是像 Fireworks 和 Cohere 等直接面向 B 端企业提供 API 服务的产品；第二种是一些 ToC 的产品，它们在服务 C 端的同时，积累了⼤量专业的⾏业数据和 Knowhow，于是把这种能⼒迭代到⾃⼰的 API 中，再将 API 提供给广大的中小企业；让这些在 C 端没怎么赚到钱的产品，反而通过 B 端开始挣钱了；

而第三类就是专门做 RAG 服务的产品。今天，又一个提供 RAG 即服务（RAG as a Service）的产品 Ragie 宣布完成了 550 万美金的种子轮融资，由 Craft 领投，Saga VC、Chapter One 和 Valor 跟投。

Ragie 在其官方博客说，大多数公司依赖 LLM 大模型提供商，如 OpenAI 和 Anthropic，结合一种称为 RAG（检索增强生成）的技术来进行他们的 AI 应用。RAG 利用公司自己的数据生成比单独训练模型生成的更有洞察力的内容。为此，公司在向量数据库中提取数据并建立索引，将其输入提示中，并生成更全面、更准确的内容。

但是使用 RAG 构建应用的过程非常繁琐，开发者必须要做到这些：

• 连接和同步多个数据源，包括知识库应用和云文件存储；

• 从各种文件格式和媒体类型（例如 PDF、Microsoft Office 文档和图像）中提取有意义的数据；

• 实施不断发展的分块和检索技术；

• 构建弹性且快速的可扩展数据处理管道；

• 避免产生幻觉并确保生成的内容准确；

• 使用学习和设置可能非常耗时的开源框架；

构建类似这样的解决方案不仅耗时，而且即使团队尽了最大努力，最后的产品也很脆弱。现在 Ragie 通过为开发人员提供完全托管的 RAG 即服务平台解决了这个问题。 

Ragie 最初是作为 Craft Ventures 创始人 David Sacks 的新聊天应用 Glue 的解决方案开发的，它实现了强大的数据摄取管道和检索 API，该 API 使用 RAG 中的最新技术进行分块、搜索和重新排名。通过简化的开发人员体验，开发人员可以将他们的应用程序与 Google Drive、Notion 和 Confluence 中的数据连接并同步。

除了提供开发人员所需的 RAG 核心功能外，Ragie 还提供高级功能，比方说避免文档关联问题的“摘要索引”和用于从非结构化文档中提取结构化数据的“实体提取”。

David Sacks 在投资的博客里说，Ragie 为 RAG 基础设施所做的事情就像 AWS 为云所做的那样。它能够使开发者快速行动并通过无需维护的服务保持与最先进的 RAG 方法同步。

根据 Ragie 官网介绍，它采用了开箱即用的模式，简化了结构化和非结构化数据的数据摄取、分块和多模式索引。直接连接到你自己的数据源，并确保你的数据管道始终保持最新。它会针对结果进行优化 ，并且将数据导入 ai 应用只需要几次点击即可。

其联合创始人 Mohammed Rafiq 说 Ragie 使用多种类型的索引来提高企业 RAG 的相关性。第一层是块索引，通过将数据块编码成向量并存储在向量数据库中来创建。其次是每个输入文档的摘要索引，用于提高检索结果的相关性，确保最终响应来自各种文档，而不仅仅是一个文档。

另外还集成了混合索引，允许 Ragie 同时提供基于关键字和语义、基于向量的检索方法，从而真正帮助开发者快速构建他们的 AI 应用。

与此同时，最新的一份企业消费支出报告显示，AI 生产力工具和 openai 的替代品正在快速增长，其中音乐 AI Suno 成为目前增长最为快速的一个 AI 应用。
OpenAI 的替代品 Anthropic 的市场份额则从年初的 4%上升到了目前的 17%，AI 会议类产品已经成为真正的一个刚需，榜单前 10 个产品里有 3 个都是 AI 会议类产品，另外还有一个 AI 日程管理产品……