این مقاله چند ماهه که اومده ولی بخوانیدش.
یک مفهوم جدیدی به نام Direct Corpus Interaction (DCI) معرفی کرده که سیستم‌های جستجوی RAG رو کاملاً بازتعریف می‌کنه.

در DCI، به جای اینکه سندها رو تکه‌تکه (Chunk) کنیم و بفرستیم داخل یک Vector DB، ایجنت مستقیماً با ابزارهای ترمینال مثل ripgrep (rg) و find روی فایل‌های اصلی جستجو انجام میده!

چرا این روش داره جلب توجه می‌کنه؟
۱. بدون نیاز به ایندکس: صفر ثانیه زمان برای چانک‌بندی و ساخت Embedding.
۲. دقت فوق‌العاده: پیدا کردن دقیق کلمات کلیدی، نام متغیرها و کدهای خطایی که مدل‌های Embedding معمولاً خرابشون می‌کنند.
۳. عملکرد حیرت‌انگیز: ایجنت DCI-Agent-Lite با مدل کوچک GPT-5.4-nano تونسته دقت ۶۲.۹٪ رو روی بنچمارک BrowseComp-Plus ثبت کنه و مدل‌های بسیار بزرگتر رو شکست بده.

این پروژه نشون میده که گاهی اوقات دادن ابزارهای ساده و قدرتمند سیستم‌عامل به ایجنت‌ها، بسیار بهتر از پیچیده کردن معماری RAG جواب میده.
مقاله: https://arxiv.org/pdf/2605.05242
کد: https://github.com/DCI-Agent/DCI-Agent-Lite

@DevTwitter | <Mehdi Allahyari/>