LangChain 实战：用 Runnable 串起检索、记忆、工具调用与流式的客服助手
一篇 LangChain 教程把检索、记忆、工具调用、流式输出和回调可观测五个零件，用 Runnable 和竖线 `|` 拼成一个可运行的电商客服助手，并用免 key 脚本完整跑通。
#RAG
掘金AI 评分2727 掘金AI 评分3636 向量数据库与普通数据库如何选型：HNSW、IVFFlat 与 PostgreSQL + pgvector 实践
向量数据库与普通数据库的核心差异不在存储而在检索：普通库只能全表扫描做 O(N) 暴力遍历，向量库靠 HNSW、IVFFlat 等 ANN 索引把复杂度降到 O(log N)，RAG 端到端延迟可控制在 10ms~50ms。
掘金AI 评分6262 用 Cherry Studio 加免费模型 API 搭建本地 RAG 知识库
作者实测用开源客户端 Cherry Studio 搭配硅基流动、阿里云百炼的免费 API Key（DeepSeek-V3、DeepSeek-R1、Qwen2.5-7B）和 BAAI/bge-m3 向量模型，在本地搭建支持联网搜索与文档检索的 RAG 知识库，数据与向量索引全部保存在本地。
AWS Machine Learning BlogAI 评分3232 LangChain 与 Amazon Bedrock Knowledge Bases 的智能体检索实践
Amazon Bedrock Managed Knowledge Base 现已支持智能体检索，通过 AgenticRetrieveStream API 将多部分问题拆解为子查询、执行并判断证据是否充分，不足时再次检索，langchain-aws 包同时暴露智能体与标准两种检索方式。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的 agentic AI 项目能进入生产，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
掘金AI 评分6262 Agentic RAG 三种架构对比：检索自纠错、CRAG 与 Self-RAG
文章对比 Agentic RAG 的三种架构演进形态：基础检索自纠错（本地循环重搜）、标准 CRAG（双阈值打分加联网兜底与句子级去噪）和带回环的 Self-RAG（前置门控加本地与网络两段式加质检回环）。文中给出三者的状态流转逻辑、核心实现代码与生产避坑指南，并建议将 CRAG 作为企业主力架构，仅在法律、医疗等场景开启带计数器的 Self-RAG 质检回环。
掘金AI 评分6262 召回优化：为什么纯向量检索不够用，Hybrid Search 怎么配
纯向量检索在专有名词、数字版本号、代码命令等精确匹配场景下召回率往往只有 60-70%，需要 Hybrid Search 即向量检索加 BM25 关键词检索互补。
arXiv cs.CLAI 评分2222 基于查询感知路由的编码器跨语言检索性能提升
研究者将仅作用于查询的低秩适配器 SampoTron 与 Nemotron-3-Embed-1B 模型结合，并按查询与索引语言做确定性路由：跨语言查询走适配器，同语言查询走原编码器。在采样的金融基准上，六个英/芬/瑞方向的 nDCG@10 均值从 0.241 提升至 0.291，相对增益 20.9%，且路由保留了原有同语言性能。
arXiv cs.CLAI 评分2929 APDMem：面向查询自适应的智能体渐进式披露长期记忆架构
APDMem 是一种分层长期记忆架构，将对话历史表示为主题摘要、个性化关键事实、轮级证据笔记和原始消息四层，推理时由控制器先读高层摘要、按需深入细节。在 LongMemEval 上，它仅访问 8% 的对话内容即取得强劲的长上下文记忆推理表现。该工作已被 EMNLP 2026（Industry Track）接收。
arXiv cs.AIAI 评分2222 CourseChat：面向商科教育的本地化多课程 RAG 辅导系统软硬件权衡
研究团队推出 CourseChat，一个部署在校园网关后、面向本科商科教育的本地化多课程 RAG 辅导系统，六个课程实例共享由 Ollama 提供本地 LLM 服务的双边缘 AI 主机。
开源中国AI 评分2727 NocoBase 更新：AI 员工支持知识库文档引用
开源无代码平台 NocoBase 更新，其 AI 员工现已支持知识库文档引用。NocoBase 目前维护 main、next 和 develop 三个分支，其中 main 为最稳定版本，推荐安装；next 包含即将发布的新功能，面向测试用户收集反馈。
AWS Machine Learning BlogAI 评分3636 用 Amazon Quick 与 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性（非 AI）规则引擎完成。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者为智能体提供连接工具和数据的标准接口；RAG 也并未消亡，它让模型基于训练数据之外的信息作答，减少 token 浪费并降低答案不完整的概率。