Chroma Context-1：20B 參數的 Agentic Search 模型，harness engineering 的關鍵拼圖

---

title: "Chroma Context-1：20B 參數的 Agentic Search 模型，harness engineering 的關鍵拼圖" date: 2026-03-30 author: calvin.j.ku source: https://www.threads.com/@calvin.j.ku/post/DWeiRz2DDLj category: threads tags:

• Chroma
• RAG
• Agentic Search
• 向量資料庫
• AI 搜索 created: 2026-03-30 updated: 2026-03-30

---

原文摘要

作者認為 Chroma 推出的 Context-1 會是 game changer——一個 20B 參數的 Agentic Search 模型。

YouTube：Chroma Context-1 | A 20B Agentic Search Model

作者的觀點

為什麼看好 Context-1？

去年這樣的模型還活在理論之中，有各種花拳繡腿的嘗試，最後都不了了之。但這一年來 Anthropic 證明了最有效的方式就是提升基座模型的 tool use 能力，然後靠傳統工具 + 模型的 composability，就能解決搜索的問題。剩下的就是效率問題了。

就這個時候 Context-1 來了。

為什麼看好 Chroma？

不炒概念不炒估值，不跟風，一直穩健的把技術做好。

檢索模型概念很簡單，但他們認為要做到這個程度才能推出來，為此花了一年的時間。

定位

Harness engineering 需要的一塊拼圖又拼上了。

Chroma 是什麼？

Chroma 是目前最受歡迎的開源向量資料庫之一，專門為 AI 應用的 embedding 存儲和檢索設計。Context-1 是他們從「資料庫」跨到「搜索模型」的重要一步。

核心觀點

1. 和 RAG 品質保證鏈直接相關

知識庫裡的 RAG 系列：

• BoR：評估檢索品質（你的檢索比亂選好多少？）
• Dokis：驗證 LLM 有沒有忠實使用檢索結果
• Context-1：讓檢索本身變得更精準（agentic search = 模型主動決定搜什麼、怎麼搜）

Context-1 補的是最前端——如果搜索本身就更精準，後面的 BoR 和 Dokis 要做的品質修正就更少。

2. 「不炒概念，一年磨一劍」在 AI 圈很少見

大部分公司每個月都在發新模型、新功能。Chroma 花一年專注做一個東西，而且等到「做到這個程度」才推出——這種態度在 AI 的 FOMO 氛圍下很難得。

3. 和 Anthropic harness 那篇是同一條線

作者提到 Anthropic 證明了「基座模型 tool use + 傳統工具 composability」是最有效的路線。Context-1 就是這條路線上的專業搜索工具——不是要取代 LLM，而是讓 LLM 的搜索能力更強。