构建检索优先AI系统
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Riot Haus 是一家成立于 2025 年、位于 London / Remote 的独立 AI systems studio，定位不是通用聊天机器人，而是为真实生产环境设计“retrieval-first”的模块化 AI 系统。其核心判断是：多数 RAG 项目失败并非因为模型不够强，而是检索、权限、安全、失败处理等基础层被后置，导致幻觉、噪声上下文和不可控输出。
网站披露的 System 01 Oku 是其首个检索基础设施系统，当前仍处于公开发布前的外部审查阶段，可申请私密 walkthrough。技术路径包括向量检索与关键词检索结合、RRF fusion、cross-encoder reranking、scope-aware queries、会话上下文处理，以及 LLM 响应的上下文组装与 streaming。数据源方面支持 Google Drive OAuth + Picker、本地文件和浏览器上传，并包含 OCR、parse、chunk、embed 等文档处理流程。安全设计包含 JWT authentication、加密 OAuth tokens、tenant isolation 和 scoped permissions。
网站未披露公开定价、免费额度、试用方式、付款方式或 SaaS 套餐。更像面向企业或团队的系统设计与私有 walkthrough 交付。集成信息较具体：提到 Google Drive、本地文件、浏览器上传、Qdrant 向量库、Postgres 全文检索、容器化部署和环境隔离；但没有公开 API、SDK、Webhook 或自助部署文档。
优点是架构思路专业，直指生产级 RAG 的关键痛点：检索质量、权限边界、引用可验证、低置信度处理和失败恢复。相比只包装大模型的工具，它更重视系统可靠性。缺点是公开信息仍偏概念与架构展示，缺少真实客户案例、性能指标、SLA、模型选择、中文效果和完整产品体验；Oku 尚未正式公开发布，也限制了可验证性。
它更适合已有文档知识库、权限复杂、需要高可信问答的企业技术团队，例如合同检索、内部知识库、Google Drive 文档问答和多租户 RAG 系统。对只想快速试用 AI 助手的个人用户并不友好。中国大陆访问情况网站未提供信息，网络与支付可用性均未知；若需要本地替代，可关注 Dify、LlamaIndex、LangChain、Haystack、Qdrant、Weaviate、Azure AI Search 或国产知识库/RAG 平台。
本测评基于公开资料整理,不构成购买建议,请以 riot.haus 官网实际信息为准。
聚焦RAG与生产部署，适合AI项目方参考。
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。