桥水Vault知识库
3 节点1 篇3 来源
桥水联合（Bridgewater Associates）公开了其内部知识库“Vault”的技术架构与运营成果。该平台整合了超过1亿份外部文档及内部备忘录，旨在解决人类研究员与AI代理对搜索需求的差异。通过引入Turbopuffer的原生过滤技术及自建基准测试，Vault将搜索精度从约60%提升至90%-95%，并支撑起包括Pocket Analyst在内的主动式AI投资工具。这一案例揭示了金融机构如何将非结构化数据转化为可被机器实时调用的投资优势，其核心在于清洗、权限管理及本体标签化，而非仅依赖大模型本身。
事情怎么走到这一步
在AI Engineer NYC大会上，桥水Applied AI团队负责人Sam Green和产品工程主管Aaron Linsky首次详细披露Vault平台，展示其如何整合1亿+文档以服务于人类和AI代理。
ai.engineer ↗行业笔记指出，桥水通过手工标注约200个搜索问题建立基准，发现初始Precision@10仅为60%，随后通过代理式搜索优化至90-95%。
coeffect.ai ↗桥水发布视频总结Vault建设经验，强调人类与代理搜索需求不同，统一工具带来最大收益，且主动式代理是未来核心。
youtube.com ↗
还没定论的部分
- Vault中回存的AI综合结论如何经过治理验证以确保作为下一次查询证据的可靠性？
- 跨300位真人用户与高速代理集群的权限控制具体实施细节为何未在公开演讲中详述？