文章介绍如何用Cohere Embed 5 Pro与Qdrant实现可扩展的PDF检索。Embed 5 Pro以单个稠密向量表示整页图像，无需OCR，在5个ViDoRe V3英文语料上优于多个晚交互模型。结合Matryoshka降维、非对称量化（页面1比特、查询8比特）与全向量重打分，512维方案每页仅占64字节内存，并保留99.2%的检索质量，适合大规模生产部署。

BrowseComp-Plus测试显示，GPT-4.1直接获得支持文档时准确率为93.49%，但使用BM25检索时仅14.58%，表明模型智能无法弥补未检索到的证据。智能体搜索需多次并行检索，检索质量、尾延迟和查询量至关重要。应让智能体使用过滤器、排序策略等丰富接口，并通过Schema-to-Skill将模式转化为可用的检索技能。

本文提出基于AWS托管服务的GraphRAG汽车售后知识助手方案，融合知识图谱与向量检索，解决维修手册多语言、多模态、难关联查询等痛点。方案涵盖文档解析、实体抽取、混合检索与可溯源问答，可缩短手册启用周期、降低技师依赖，并可推广至其他知识密集型领域。

Perplexity 发布 pplx-embed-v2-late 视觉检索模型，可直接搜索 PDF 页面图像，无需 OCR。每页约 1700 个向量，float32 下占 856KB，百万页需 800GB。Qdrant 用 TurboQuant 将其压缩至 1 比特，每页仅 40KB，缩小 21 倍，保留 96.5% 检索质量，重排序后达 99.9%。测试显示页面图像检索优于 Markdown，OCR 应变为可选。

miniCOIL EN-ES是首个双语稀疏神经检索器，能将英语和西班牙语中意思相同的词（如home与casa）映射到稀疏向量的同一概念槽位，无需翻译即可用单一倒排索引跨语言检索。模型基于multilingual-e5-small，用MUSE词典构建约1.2万概念，实际训练2398个概念头，并保留BM25回退。评测显示单语检索略有提升，跨语言检索召回率优于翻译加BM25，但排序精度稍逊。

该文本仅为 Tanzu Spring 的订阅推广信息，无实质文章内容可总结。

Cohere发布Embed 5，包含Pro和Fast两个版本，共享同一嵌入空间，可分别用于索引和查询，无需重建索引。测试显示，Pro索引配Fast查询的检索质量达98.4，接近Pro对Pro的100。Fast吞吐量高2.4倍，价格更低。支持多语言、图文输入及多种向量维度与格式，适合RAG和智能体场景。

搜索效果差时，不应只升级重排序模型。大规模重排序成本高、延迟大，且候选池本身没有好结果时重排序也无能为力。更优方案是将检索设计为多阶段漏斗：先用低成本词法、向量或混合检索生成大量候选，再逐步收窄，最后才用机器学习重排序。该思路同样适用于RAG，需权衡召回率、相关性、延迟与成本。

Lucy为金融AI构建数据基础设施，将SEC和韩国DART的280多万份监管文件转为可检索数据。其RAG系统采用Qdrant的混合搜索、元数据过滤和量化技术，在FinanceBench上Recall@10达94.7%，仅靠检索即提升答案准确率0.16，使开源小模型表现超过依赖网络搜索的前沿模型，且答案可溯源至原始文件。

OpenAI发布法律AI工具Astra for Law，其检索索引覆盖超99.9%美国已公布先例判例法，并结合GPT-6 Astra，法律研究正确率达54%，远超网页搜索版。该工具支持零数据保留、26个插件，并允许律所定制。但成本高、定价未公布，模型仍可能出错，需律师审核，且存在供应商锁定风险。

Databricks推出自适应指令检索器，结合并行与顺序搜索，根据查询复杂度动态调整步骤，平衡质量与延迟。训练采用在线强化学习，优化步骤惩罚，实现2倍低延迟且性能媲美顶级模型，适用于企业数据代理场景。

HyperAI平台推出三项更新：上线MCP服务器，支持在Claude Code和Cursor中通过自然语言管理算力、数据集等资源；新增AI顶会（如AAAI、CVPR）筛选功能，便于查找相关教程和数据集；推出系列教程，系统化覆盖AI基础、机器学习等方向，提升学习效率。

企业大规模部署AI代理时，检索架构面临并发查询、数据新鲜度及相关性漂移等挑战。现有碎片化系统难以支撑多代理协同，导致性能下降。9月24日网络研讨会将探讨如何通过统一检索层解决此问题，提升代理扩展性与效率。

本文介绍如何用Amazon DynamoDB原生向量搜索构建Agent长期记忆，无需双写。通过将业务属性和embedding存入同一item，用一次PutItem写入，SearchVectors语义召回，Query按时间读取。文章涵盖数据模型、建表、写入、检索细节，并指出分区键非安全边界、等值过滤限制、成本按字节计费等注意事项，适合操作型数据已在DynamoDB的场景。

随着组织从聊天机器人转向能调查、推理并代表用户行动的AI系统，检索成为应用质量的基础。传统搜索和RAG应用可容忍不完美检索，但智能体不能。检索工程需结合混合检索、实时信号、排序和机器学习推理，确保在服务时提供最佳决策。竞争优势转向决策，即决定智能体应看到什么及顺序，这将成为核心工程学科。

Databricks团队通过ai_parse_document将图表提取为结构化JSON，结合轻量文本检索，显著提升图表检索和智能体回答准确率，优于大型多模态嵌入模型。在ViDoRe V3和Chart-RAG基准测试中，该方法表现优异，且模型更小、开销更低。未来将集成至Genie，改善企业文档图表问答。

本文讨论检索系统中候选深度（candidate depth）的调优方法。建议先设置基线，测试100-200的limit值，并对比近似搜索与精确搜索的召回率。增加候选可提升最佳可能分数，但需权衡延迟。当RAM受限时，优先考虑量化而非降低深度。hnsw_ef仅在召回率未饱和时调整。最后根据最佳可能分数与当前分数的差距，决定优化排序或检索。

候选深度是检索阶段传给后续排序的候选数，仅当后续阶段能利用额外候选时才有意义。建议初始测试100至200，但需按自身数据验证。提高hnsw_ef仅在召回率仍上升时有效，否则只增延迟。内存受限时优先测试量化，而非降低候选深度。

本文介绍如何在普通笔记本电脑上构建无需云端的RAG系统。核心方法包括：量化模型降低内存占用、使用紧凑嵌入模型和本地向量存储。系统涵盖文档分块、嵌入索引、检索和本地生成等步骤。可靠性通过引用来源、相似度阈值、评估集和查询日志实现。推荐使用llama.cpp、LangChain、FAISS等轻量工具，并建议从小规模开始逐步调优。