Blog
Notas de engenharia sobre navegação, ingestão, memória de agentes e benchmark honesto, escritas por quem rodou os experimentos.
Sem cluster, sem A100: o benchmark inteiro rodou em uma RTX 3060 com 12 GB. O que cabe em 12 GB, o que fazer com 8, e como rodar sem GPU local nenhuma via qualquer endpoint compatível com OpenAI.
4 min de leitura
A ingestão é onde a floresta gasta esforço: 1.71 s por documento, contrato de sessenta tokens cumprido em 100%, zero links quebrados. Pague uma vez na escrita, num lote visível, e não a cada consulta para sempre.
4 min de leitura
Rerankers, reescrita, HyDE, loops e agentes ajudam, e por isso estão em toda parte. Aqui está o que cada um custa, onde cada um para no multi-hop, e a lacuna que sobra, medida.
4 min de leitura
O rig do benchmark é uma RTX 3060, mas nada exige que você tenha uma GPU. Aponte o binding de chat para qualquer endpoint compatível com OpenAI e deixe a floresta fazer o trabalho estrutural.
4 min de leitura
Custo por consulta faz a falha parecer desconto. Medido por resposta correta, o navegador de floresta gasta 0.58x os tokens de um baseline de RAG iterativo, mesmo modelo 12B. Aqui está a aritmética.
4 min de leitura
A categoria pressupõe um serviço de embeddings, um índice ANN e uma GPU. Medimos a busca de entrada em recall@5 = 1.00 a 1.3 ms p95 com BM25 sobre SQLite, e mantivemos o embedder opcional.
4 min de leitura
Toda sessão de agente começa reconstruindo contexto que a anterior já pagou. O que uma memória de floresta persistente e cultivável muda nos fluxos de agentes, e o arquivo de skills que faz os agentes usá-la de verdade.
4 min de leitura
O paper traz a arquitetura completa, as tabelas do benchmark e os achados que não bateram seus critérios.