LangChain 測試 OpenWiki 與圖譜提升代理跨文件推理準確率
LangChain 團隊在保險文件庫實驗中發現，使用 OpenWiki 作為記憶層可讓代理在跨來源問題上準確率提升約 5 倍；加入證據圖譜後，準確率再提升 27%，引用一致性加倍，且單次正確回答成本降低 58%。
本文重點
- LangChain 發布報告，測試 OpenWiki 作為代理記憶層的效能。
- 跨來源問題準確率提升約 5 倍，單次正確回答成本降低 58%。
- 簡單查詢延遲增加，且證據圖譜依賴引用準確性。
- 本站上線
- 2026/10/29 上午04:23
- 首次報導
- 2026/10/29 上午01:28
- 最早來源發布
- 2026/10/29 上午01:28
背景
OpenWiki 是 LangChain 開發的開源 CLI（命令列介面，用打字下指令操作電腦的方式）工具，基於 Deep Agents 建構。它將分散的文件編譯成帶有引用的 Wiki 頁面，作為代理的持久記憶層。傳統 RAG（檢索增強生成，讓模型先搜尋相關資料再回答的技術）常透過語意搜尋擷取孤立片段，但代理仍需自行拼湊片段間的關係。在銀行與保險等領域，政策與指南經常相互修訂或取代，這種跨來源的依賴關係使得單純的檢索變得困難且昂貴。 官方原文・LangChain Blog
發生什麼事
LangChain 團隊於 2026 年 10 月 28 日發布測試報告，評估 OpenWiki 作為代理記憶層的效能。他們建立了一個包含 111 份長篇文件的合成保險文件庫，並設計了 972 個事實的帳本作為評分基準。實驗比較了兩種條件：僅使用關鍵字搜尋（Search）與使用 OpenWiki 編譯後的 Wiki（Wiki）。在需要跨文件推理的「連結問題」上，使用 Wiki 的代理準確率從僅用搜尋時的 0.10 提升至 0.52，約為後者的 5 倍。 官方原文・LangChain Blog
重點內容
為了進一步提升證據檢索的一致性，團隊在 Wiki 基礎上添加了輕量級的「證據圖譜」。該圖譜將 Wiki 中的引用轉化為明確的類型化邊（typed edges，標明關係類型的連線），連接聲明、Wiki 頁面、段落與主題。圖譜建構過程是確定性的，無需額外模型呼叫，耗時不到一秒。實驗結果顯示，加入證據圖譜後，準確率再提升 27%，引用一致性加倍，中位回答時間減少 40%，單次正確回答成本降低 58%。 官方原文・LangChain Blog
在簡單查詢任務上，Wiki 與搜尋的表現相近（準確率 0.83 vs 0.84），但 Wiki 的延遲從 9 秒增加到 12 秒。OpenWiki 編譯 111 份文件庫的成本為 4.15 美元，後續新增 17 份文件的成本約為每份 0.09 美元。報告指出，對於簡單查詢，搜尋單獨使用同樣準確且更快；但對於需要反覆進行跨來源推理的場景，Wiki 與證據圖譜的組合能提供更準確且單次正確回答成本更低的答案。 原文
對使用者的意義
報告指出，當多個代理反覆回答跨越相同分散來源的問題時，共享 Wiki 能保留來源間的關係，而圖譜邊能引導代理找到支持證據。 官方原文・LangChain Blog
限制與未定事項
報告指出，證據圖譜的邊依賴於 Wiki 模型生成引用的準確性；若引用錯誤，圖譜導航也會受影響。此外，對於簡單查詢，建立與維護記憶層的費用可能超過檢索節省的成本，特別是在企業規模下。團隊表示未來將探索更動態的 Wiki 編譯方式，僅保留代理所需的上下文，而非整個儲存庫。 官方原文・LangChain Blog
來源：佐證 1 筆
官方原文當事公司或機構自己發布的文件
- LangChain Blog · How to build evidence-grounded agent memory with OpenWiki and Graphs10/29 上午01:28
這篇對你有用嗎？
留言 0
- 還沒有留言，第一則就是你的。
留言不用登入；名字選填，沒填就顯示「匿名會員」。含連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。