开发AI RAG基础设施
Lodestone Labs 是一家位于挪威奥斯陆的 AI 基础设施公司，官网将自身定位为“building the future of AI infrastructure”。其主要产品是仍处于开发阶段的 GrouSe，被称为“The Super RAG”，面向企业知识库、复杂文档检索与可信生成场景。
GrouSe 的核心卖点是对传统 RAG 的改进：官网认为许多 RAG 系统会把文档切成割裂片段，从而丢失上下文；GrouSe 则强调“整篇读取”文档，保留文档结构与上下文，并映射知识库内的文档关系。这使其理论上更适合处理合同、报告、政策等长文档和多文档关联推理任务。官方还强调结果可减少幻觉，并附带可核验引用。不过，页面未说明底层使用哪些大模型、嵌入模型、重排技术，也未提供准确率、召回率或客户案例。
官网没有披露价格、套餐、免费额度、试用方式或企业版信息，也没有说明是否支持自托管、私有化部署或按量计费。对于企业采购来说，目前仍需通过联系表单进一步沟通。
优点在于产品定位切中 RAG 的关键痛点：长文档结构丢失、跨文档关系弱、引用不可验证和幻觉问题。团队背景也覆盖 AI、数据、心理学、教育技术、计算机科学和数字化转型。但局限同样明显：产品标注为 In Development，缺少 API、集成、隐私合规、文件格式、语言支持和性能指标等关键信息，当前更像早期产品预告。
它更适合关注可信 RAG、合同/政策/报告分析、企业知识库问答和可验证引用的团队持续关注。若需要立即上线成熟生产系统，现阶段可能应优先评估 LlamaIndex、LangChain、RagFlow、Dify、Vectara、Glean 等替代方案。
官网未提供中国大陆访问、支付方式或本地化信息，实际可用性未知。若后续产品托管在海外，企业还需评估网络连通性、数据出境、合规与支付问题。
本测评基于公开资料整理,不构成购买建议,请以 lodestone-labs.com 官网实际信息为准。
主打保留文档结构的Super RAG，值得关注。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。