En ny VB Pulse‑undersøgelse fra juni 2026 viser, at 57% af virksomheder har oplevet AI‑agenter svare selvsikkert men forkert på grund af manglende eller inkonsistent forretningskontekst. Kun 25% kører et agentisk kontekstlag i produktion. Resten halter efter, mens leverandører forfølger forskellige arkitekturer.

LlamaIndex har udgivet legal-kb som en offentlig referenceapp på GitHub. Ifølge MarkTechPost demonstrerer den et mønster kaldet Retrieval Harness oven på Index v2, hvor en agent får filsystem-lignende værktøjer til at finde filer, søge, læse og greppe – i kontrast til klassisk single-shot retrieval.

En ny Colab-tutorial viser trin for trin, hvordan RAG-Anything kan samle tekst, tabeller, ligninger og billeder i én retrieval-pipeline – fra miljøopsætning og syntetisk datasæt til test af flere retrieval-modes. Den rører ved sikkerhed og reproducérbarhed, men efterlader også åbne spørgsmål om skalering, governance og performance.

En ny guide på Towards AI giver en sjældent praktisk opskrift på at gøre et recommender-system produktionsklart: ranking fremfor simpel klassifikation, totrins-arkitektur med hurtig retrieval og tungere ranking, samt et stramt latency-budget omkring 200 ms med konkrete driftsgreb som kvantisering, caching og shadow mode. Der er substans her—og nogle huller, der kræver efterprøvning.

UIUC, UC Berkeley og Chroma lancerer Harness-1, en 20 mia. parameter open source søgeagent, der scorer 73% dokument-recall på komplekse benchmarks og slår GPT-5.4’s 70,9%. Artefakterne er frigivet under Apache 2.0 på Hugging Face. Vi gennemgår, hvorfor den stateful harness-arkitektur kan ændre måden virksomheder bygger vidensassistenter på – og hvad der praktisk følger med af drift, integration og risici.

Harness-1 adskiller beslutningspolitikken fra hukommelse og bogføring via en stateful søgeharness. Forskerne fra UIUC, UC Berkeley og Chroma frigiver både kode og vægte. For virksomheder betyder det mere sporbarhed, mindre prompt-rod – og nye krav til drift, metadata og audit.

En udvikler ramte produktion med en RAG+MCP agent og fik et SLA‑svar, der var forkert på det kritiske. Det udløste en tidlig morgenalarm. Vi gennemgår de fem ting der brød, hvorfor de brød, og hvad teams bør gøre for at undgå samme mønster i egne udrulninger.

VentureBeat beskriver en referencearkitektur for graf‑forstærket RAG, der kombinerer vektorsøgning med grafer for at bevare relationer og reducere fejl i multi‑hop spørgsmål. I praksis flytter det arbejdet for ingeniører fra ren embedding‑opsætning til ingestion med entitets‑ og relationsudtræk, graf‑lag, hybrid retrieval, mere overvågning og skarpere governance. Vi gennemgår arkitekturvalgene, hvad det koster i drift, og hvor gevinsterne er størst.

VB Pulse Q1 2026 viser, at enterprise-intentionen om hybrid retrieval er tredoblet på ét kvartal. Samtidig melder hver femte ingen produktionel RAG. Markedet stopper lag-på-lag og starter forfra i retrieval-leddet. Vores erfaring i Danmark: Få styr på data og indeks-hygiejne før endnu et lag.

AWS viser, hvordan hierarkiske namespaces i AgentCore Memory styrer organisering, retrieval og adgang til langtids-hukommelse. Det er lavpraktisk – og afgørende: Gode valg sparer tid, penge og fejl; dårlige valg gør det modsatte.