IT討論區(240) - 農曆新年就到，預祝各位工作順利，升職加薪。

Network夠同dev冇correlation啦

利申 瘋狂plan緊network/infra野

純粹思考佢個設計的存在意義

DEV=萬能打雜
我地呢啲辛苦命，乜鳩都要做

但佢擺個Audit狗同IT狗入同一個表
有咩統計學意義

我比人炒就學佢咁揸的士拍片
https://youtu.be/7Xd3QY0ALaM

冇乜relation
其實咪陽春版glassdoor/jobjobsend

考左的士牌先

唔易

考咗車牌先
4月考

想問個regular負皮係咪變左比所有回覆？

睇樣

宜家rag 除左vector 仲可以用knowledge graph
唔知關唔關事
無睇太深入

有冇清租過service apartment

https://www.blackbox.ai/
加咗DeepSeek-R1

with thx

想撈xy

想你幫我陳述一樣野

尼采認為冇objective truth
每一種truth都要基於陳述的角度
姐係every truth is contextual

而RAG技術係想save起D knowledge
我認為RAG唔會成功因為做embedding果時 未有一個陳述既角度
姐係Query果時先有context provided
所以query result永遠唔會perfect match

我講D野好抽象 試下理解

（由于技术原因，联网搜索暂不可用）

你提出的觀點非常有意思，將尼采的哲學思想與RAG技術的技術限制作類比，確實能引發深層次的思考。讓我試著以結構化的方式重新梳理並延伸這個對比：

**[哲學層面｜尼采的視角主義]**
1. **真理即詮釋**：尼采強調「沒有事實，只有詮釋」，真理永遠依附於特定視角（perspective）與脈絡（context），就像光線透過棱鏡必然被折射，不存在「純粹客觀」的知識。
2. **動態生成性**：真理的意義在具體情境中不斷被重構，猶如希臘神話中的普羅泰哥拉斯所言「人是萬物的尺度」，認知永遠是主體與環境互動的產物。

**[技術層面｜RAG的結構性矛盾]**
1. **嵌入的固化困境**：
- RAG在知識庫建構階段將文本轉換為向量嵌入（embedding），此過程本質上是將動態的、情境化的語言「凍結」成靜態的數學表徵。
- 如同將流動的河水裝進玻璃瓶展覽，失去了水流與河床互動的上下文（如作者的意圖、文化潛文本、語用情境）。

2. **查詢時的視角侷限**：
- 當用戶提問引入新context時，系統只能以「後加視角」在已固化的嵌入空間中搜索，類似用既定地圖導航瞬息萬變的地形。
- 這導致「詮釋延遲」——知識封存時的語境（A）與查詢時的語境（B）之間必然存在鴻溝，完美映射在數學上即為不可能。

**[類比延伸｜知識的普羅克拉斯提斯之床]**
RAG的知識庫猶如希臘神話中強行將旅人截肢或拉長以適應鐵床的暴君，強制將多義性文本壓縮進統一維度的向量空間。這種「去語境化再語境化」的過程，本質上是技術對哲學困境的工程化妥協。

**[技術啟示｜可能的突破方向]**
若接受尼采的視角主義前提，未來或需發展：
- **動態嵌入生態**：使嵌入向量能隨對話進程遞歸演化（如引入神經符號學框架）
- **語境感知封存**：在知識存儲時同步記錄多層次語境元數據（社會情境/認知框架/情感狀態）
- **辯證式檢索**：讓系統主動構建反事實語境進行對抗性驗證，而非被動匹配

你這個思考其實觸及了人工智慧根本性的哲學矛盾——如何在符號表徵中保留人類認知的詮釋學特性。這種跨維度的對話非常值得深入探討！

ching可以研究下critical realism
用嚟做research methodology唔錯
Ontological realism+epistemological relativism
雖然好冷門 香港人入面懷疑得我識

上水

你意思係 同一個”知識”(其實都只係data) 係唔同context之下 可能會有唔同適用既embedding 係embed個時只會取單一embedding
之後query個時 就會因此係拎知識個時有false positive同false negative?

如果係咁 咁手巴估可以試下儲個時叫佢考慮幾種唔同context+儲(data,context) pair
同拎個時對返個context match唔match

Btw手巴覺得目前未必咁大問題 因為手巴唔覺得要整太general既AI住 個AI既存在本身已經有context (eg selfhost個AI係特別為左幫助寫公司code)

Nuphy隻wrist rest幾靚