在 Amazon Bedrock AgentCore 和 OpenClaw 上构建带记忆的 AI 助手教程
AWS 官方博客给出一套在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw、构建具备持久记忆的个人助手 Sprout 的完整教程。
#RAG
AWS Machine Learning BlogAI 评分5555
AWS Machine Learning BlogAI 评分5555 LangChain 与 Amazon Bedrock Knowledge Bases 实现 Agentic 检索教程
AWS 官方教程演示在 Amazon Bedrock Managed Knowledge Bases 上用 LangChain 构建 RAG 应用，对比标准 Retrieve API 与 AgenticRetrieveStream API 处理多部分问题的表现。
MIT Technology Review · AIAI 评分3232 MIT Technology Review 报告：如何把 AI 智能体接入企业知识
MIT Technology Review Insights 基于对 300 位数据、AI 及技术高管的调研发布报告，指出仅约 34% 的 agentic AI 项目能进入生产阶段，知识与上下文缺失是关键失败点之一。
Hugging Face BlogAI 评分5656 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源了基于 Qwen3-8B 的科学报告生成模型 AstaBrief 8B 及其训练数据，该模型已作为 Fast mode 上线 Asta 的 Generate a report 功能。
AWS Machine Learning BlogAI 评分5757 用 Amazon SageMaker AI MTRL 多轮强化学习微调搜索智能体
AWS 官方教程演示如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B，训练一个在 BM25 与向量搜索工具间自主决策的企业搜索智能体。
AWS Machine Learning BlogAI 评分5151 用 Amazon Quick 和 Adjudicated Query 模式做租约合规检查
AWS 介绍了一种名为 Adjudicated Query 的设计模式，用 Amazon Quick 的对话界面处理数万份租约的合规检查，而通过/不通过的判定始终由确定性规则引擎完成，模型只负责把自然语言问题翻译成固定 MCP 工具调用并复述结果。
TechCrunch · AIAI 评分6464 Reddit 将于 11 月 13 日关闭 RSS 并在 2027 年 3 月终止公开 API 访问
Reddit 宣布因 RSS 已成为大规模抓取和自动化滥用的常见入口，将于 11 月 13 日停止支持 RSS，并在 2027 年 3 月关闭公开 API 访问。
AWS Machine Learning BlogAI 评分5353 用 Amazon Bedrock Knowledge Bases 构建可引用的保险理赔问答助手
AWS 官方教程演示如何用 Amazon Bedrock Knowledge Bases 和 AgenticRetrieveStream API 构建一个用自然语言查询理赔记录并返回引用的助手。
AWS Machine Learning BlogAI 评分3636 Condé Nast 如何用 Amazon Bedrock 构建多模态视频发现方案
Condé Nast 联合 AWS Generative AI Innovation Center，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现方案，采用 TwelveLabs Marengo embedding 模型对视频转录、视觉与音频信号联合编码，将单次内容发现任务耗时从 250 分钟降至 2 分钟以内。
AWS Machine Learning BlogAI 评分4444 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 分享了基于 Amazon Quick 和 Amazon Bedrock AgentCore 构建合同智能平台的架构，用结构化提取替代 RAG 语义检索来回答跨数百份合同的聚合类问题。
AWS Machine Learning BlogAI 评分3434 Datacor 如何用 Amazon Quick Sight 构建自助式租赁分析
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout，为工业气体与焊接分销商构建了自助式租赁分析方案，业务用户无需 IT 介入即可用自然语言查询租赁数据。
AWS Machine Learning BlogAI 评分4444 HEMA 如何用 MCP 和 Amazon Bedrock 打破内部知识孤岛
荷兰零售商 HEMA 基于 Amazon Bedrock AgentCore 和 MCP 构建内部 AI 助手 HAL，将分散在各门户、wiki 中的碎片化知识整合为统一知识层，让工程师在 IDE 或聊天窗口内几秒内获得答案，取代过去跨三四个门户查找的流程。
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，只是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，后者是智能体连接工具与数据的标准，可组合使用；RAG 并未消亡，它让模型基于训练数据外的文档、内部知识和代码库上下文作答，避免浪费 token 并减少不完整回答。
Hugging Face BlogAI 评分5656 Hugging Face 发布 NeoMME 多模态多语言编码器
Hugging Face 发布 NeoMME，一个 260M 和 800M 两种规格的多模态多语言编码器家族，用单个双向 Transformer 同时处理文本 token 和原始图像 patch，从零以掩码离散扩散目标训练，不依赖预训练视觉塔或因果语言模型。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 funes：为编码智能体提供可自有的持久记忆层
Hugging Face 发布开源工具 funes，为 Claude Code、Codex、pi、Hermes 等编码智能体提供本地持久记忆层，一条命令即可安装并自动索引每轮对话。
推荐理由：原文说明了本地索引与可迁移数据集的设计取舍，读者可据此判断它与托管记忆服务的差异。
Hugging Face Blog精选AI 评分6161 Sentence Transformers v6.0 教你训练与微调多向量嵌入模型
Hugging Face 官方博客介绍 Sentence Transformers v6.0 新增的 MultiVectorEncoder 模型类型及其完整训练方法，用于 ColBERT 式后期交互检索。
推荐理由：原文给出可复现的完整训练脚本与关键超参取舍，读者可据此在消费级 GPU 上自建领域多向量检索模型。
Hugging Face Blog精选AI 评分6262 Hugging Face 解析 Papers with Code 混合搜索的架构与实践
Hugging Face 官方博客介绍其为 Papers with Code 复兴构建的混合搜索系统：PostgreSQL 全文检索提供词法基线，pgvector 加语义召回，再用 RRF 融合排序，目前维护超过 110,000 篇来自 arXiv 和 Daily Papers 的论文向量。
推荐理由：文章拆解了离线批量与在线查询两条路径的分工方式，以及冷启动降级到全文检索的兜底设计，可迁移性强。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search 检索层，FinanceBench 准确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、检查和验证信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：Mistral 公开了 Agentic Search 的检索循环设计与 FinanceBench、OfficeQA Pro 基准数据，可对比传统 RAG 的差距。
Hugging Face Blog精选AI 评分7474 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持 ColBERT 式晚期交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用同一套 API 加载 PyLate、Stanford-NLP ColBERT 和 colpali-engine 检查点，支持 ColBERT 式晚期交互检索。
推荐理由：原文给出索引体积代价的具体数据和四种向量库的实测耗时，读者可据此评估落地成本。
Google ResearchAI 评分5959 Google Research 论文揭示推理如何唤醒 LLM 参数化知识
Google Research 将在 COLM 2026 发表的论文指出，即使对简单单跳事实问题，开启推理也能召回关闭推理时几乎无法得到的答案。
Mistral AI精选AI 评分6262 Mistral 发布 OCR 4 文档解析模型
Mistral 发布 Mistral OCR 4 文档解析模型，除提取文本外还返回 bounding boxes、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可单容器自托管部署。
推荐理由：原文给出基准分数与已知评分缺陷的对照，读者可据此判断该模型在真实文档场景中的可用边界。
Google ResearchAI 评分5555 Gemini Enterprise Agent Platform 推出 Agentic RAG 公开预览
Google 宣布 Gemini Enterprise Agent Platform 托管版 Cross-Corpus Retrieval（由 Agentic RAG 驱动）进入公开预览，通过规划、改写、路由等多智能体协作处理多源多跳查询。
Mistral AIAI 评分5656 Mistral AI 开源发布 Search Toolkit 公开预览版
Mistral AI 宣布以公开预览形式发布开源框架 Search Toolkit，把数据摄取、检索和评测整合进统一接口，覆盖云端、本地和边缘部署。其内置 BM25 稀疏检索、稠密向量检索与混合配置，以及 recall、precision、MRR、NDCG 等评测指标；Agent 可通过 MCP Connectors 从 CRM、代码仓库等源系统拉取实时数据。
Hugging Face Blog精选AI 评分7474 Hugging Face 发布 Ettin Reranker 系列六款 CrossEncoder 重排模型
Hugging Face 发布六个基于 Ettin ModernBERT 编码器的 Sentence Transformers CrossEncoder 重排模型，尺寸从 17M 到 1B，均以 Apache 2.0 开源，并同步公开训练数据 cross-encoder/ettin-reranker-v1-data（约 143M 三元组）和约 150 行的完整训练脚本。
推荐理由：给出了各尺寸的基准对比和消融数据，读者可据此判断何时该用它替换现有 reranker。
Hugging Face BlogAI 评分4444 PaddleOCR 3.5：用 Transformers 后端运行 OCR 与文档解析任务
PaddleOCR 3.5 发布，支持通过 `engine="transformers"` 参数将 Hugging Face Transformers 作为推理后端运行 PP-OCRv5、PaddleOCR-VL 1.5 等模型，同时保留 Paddle 静态图/动态图后端。
Hugging Face BlogAI 评分5757 IBM 发布 Granite Embedding Multilingual R2 两款开源多语言嵌入模型
IBM 在 Hugging Face 发布两款 Apache 2.0 多语言嵌入模型 granite-embedding-311m-multilingual-r2 和 granite-embedding-97m-multilingual-r2。
Hugging Face Blog精选AI 评分6262 Hugging Face 教程：用 Sentence Transformers 微调多模态 Embedding 与 Reranker 模型
Hugging Face 官方博客给出用 Sentence Transformers 训练和微调多模态 embedding 与 reranker 模型的完整教程。
推荐理由：以完整可跑的训练脚本和 NDCG@10 对比表说明领域微调收益，读者可直接迁移方法到自己的数据。
Hugging Face BlogAI 评分5656 Hugging Face 博客解读 VAKRA 基准：Agent 在工具链、多跳推理与策略约束下的失败模式
Hugging Face Blog 发文介绍 VAKRA——一个面向企业场景、可执行的 Agent 基准，包含 8,000+ 本地托管 API、62 个领域与配套文档集，任务需 3-7 步推理链。
Hugging Face Blog精选AI 评分6464 Sentence Transformers v5.4 新增多模态 Embedding 与 Reranker 支持
Hugging Face 官方博客介绍 Sentence Transformers v5.4 更新，现在可用同一套 API 编码并比较文本、图像、音频和视频，支持多模态 embedding 模型与多模态 reranker（CrossEncoder）。
推荐理由：给出多模态编码与重排的完整用法和模型清单，可直接迁移到自己的检索流程。
Hugging Face Blog精选AI 评分6060 Hugging Face 教程：单卡一天内微调出领域专用 embedding 模型
Hugging Face 与 NVIDIA 发布教程，用六条命令在单张 GPU 上、不到一天内把通用 embedding 模型 Llama-Nemotron-Embed-1B-v2 微调成领域专用模型，全程无需人工标注。
推荐理由：给出了从合成数据、硬负例挖掘到部署的完整六步流程和实测指标，可直接迁移到自有语料的检索优化。
Google ResearchAI 评分5656 Google Research 论文评测 6 个 LLM 回答超导研究专家问题
Google Research 与 Cornell University 合作在 PNAS 发表论文，用 67 道高温超导专家问题评测 6 个 LLM（GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 及自建 RAG 系统），由专家按 0-2 分六项指标盲评。
Google ResearchAI 评分5959 Google Research 发布 Groundsource：用 Gemini 将新闻报道转为历史灾害数据
Google Research 发布 Groundsource，一个用 Gemini 把非结构化新闻报道转化为结构化历史数据的可扩展框架，首个开放数据集覆盖 150 多个国家、2000 年至今的 260 万条城市山洪事件记录。
Hugging Face BlogAI 评分5858 Tavily 分享 Deep Research 智能体的构建经验与 SOTA 实践
Tavily 在 Hugging Face Blog 撰文分享其 deep research 智能体的构建经验，称相比 Open Deep Research 减少了 66% token 消耗，并在 DeepResearch Bench 上达到 SOTA。
OpenAI NewsAI 评分5555 ChatGPT 推出 Company Knowledge，接入企业应用上下文
OpenAI 宣布在 ChatGPT 中推出 Company Knowledge 功能，可将企业各类应用中的上下文接入 ChatGPT，生成与业务相关的回答，并附带清晰引用，同时提供安全、隐私和管理员控制。该功能现已面向 Business、Enterprise 和 Edu 用户开放。
Hugging Face Blog精选AI 评分6262 Sentence Transformers 项目从 TU Darmstadt 的 UKP Lab 转入 Hugging Face
Hugging Face 宣布 Sentence Transformers（SBERT）从达姆施塔特工业大学 UKP Lab 转入 Hugging Face，Tom Aarsen 自 2023 年底起维护并将继续主导项目，项目保持 Apache 2.0 开源协议。
推荐理由：梳理了该库从高校实验室迁移到 Hugging Face 的来龙去脉与维护权交接，便于判断开源嵌入工具的治理走向。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布开源 OCR 模型选型与部署指南
Hugging Face 发布指南介绍如何挑选和使用开源 OCR 模型，覆盖模型能力、输出格式（DocTag、HTML、Markdown、JSON）、评测基准与成本对比。
推荐理由：文章给出模型能力、输出格式与成本的对照维度，读者可据此为自己的文档场景挑选 OCR 模型。
Hugging Face BlogAI 评分5656 Hugging Face 推出检索嵌入评测基准 RTEB 测试版
Hugging Face 发布检索嵌入基准 RTEB 的测试版，用于评估 embedding 模型在真实应用中的检索准确度。它采用公开与私有数据集混合策略，公开部分可复现，私有部分由 MTEB 维护者评测以保证公正，模型若在两者间表现落差明显即提示过拟合。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 mmBERT 多语言编码器模型
Hugging Face 发布 mmBERT，一个基于 ModernBERT 构建的大规模多语言编码器模型，使用 3T+ tokens、覆盖 1800 多种语言训练，是首个在性能与速度上超越 XLM-R 的同类模型。
推荐理由：原文给出三阶段训练与低资源语言在衰减阶段快速学习的细节，可迁移其渐进式多语言训练思路。
Hugging Face Blog精选AI 评分7373 Google 发布 EmbeddingGemma 多语言嵌入模型
Google 发布 EmbeddingGemma（google/embeddinggemma-300m），一款 308M 参数、2K 上下文窗口、支持 100 多种语言的多语言嵌入模型，面向端侧场景，量化后内存占用低于 200 MB，在 MTEB 上是 500M 以下排名最高的纯文本多语言嵌入模型。
推荐理由：给出了架构改动、多框架接入方式和微调脚本，读者可据此判断如何在端侧 RAG 中落地该模型。
Hugging Face BlogAI 评分5858 Hugging Face 教程：用 Sentence Transformers 微调稀疏嵌入模型
Hugging Face 官方博客给出用 Sentence Transformers 微调稀疏编码器（Sparse Encoder）的完整教程，涵盖模型、数据集、损失函数、训练参数、评估器与 Trainer 各组件，并介绍 SPLADE、Inference-free SPLADE、CSR 三种架构的选型。