RAG vs LLM Wiki — 記憶方案怎麼選

SunkCost 推薦 mem0/Langmem 做 Agent 記憶，同時分析 RAG 管線（parsing → chunking → embedding → retrieve）每個環節的品質要求。

結論：RAG 坑很深，每個環節都可能出問題。除非資料量巨大，放棄 RAG 走 llm-wiki 或 indexing 方式對大多數情況夠用。小規模場景用 indexing 方式（如 llm-wiki）比 vector DB 更實際、更可控。提到 docling 開源專案可協助文件解析。