Global Foundries的CIO强调，AI代理需要实时、受治理的数据，在三大洲的工厂之间重建统一平台，建立集中的身份管理和审计链，然后在IT和采购职能中部署代理。

RAG（检索增强生成）使公司能够构建领域特定的聊天机器人，但其成功取决于嵌入模型——将文本转换为向量以进行语义搜索的翻译器。一个有缺陷的嵌入模型会检索到无关的文本块，导致语言模型生成自信但错误的答案。例如，一款聊天机器人可能会错误地确认一项45天前的订阅退款，尽管文档中明确指出30天的限制，因为嵌入模型未能区分关键的时间约束。

RAG分为两个阶段：索引（对文档进行分块、生成嵌入、存储带有元数据的向量）和检索（对查询进行嵌入、搜索附近的向量、对顶部块重新排序、将其馈送给语言模型）。语言模型无法弥补poor检索。关键考虑因素包括超越基准分数评估嵌入模型、在商业API和本地部署之间做出选择、理解后续更换模型的成本，以及利用Matryoshka嵌入实现灵活的向量大小。

关键实体：公司：Global Foundries, ByteByteGo