文章指出，智能体成功的关键在于上下文工程，核心是检索：应从海量数据中选出最相关的少量内容，而非塞入更多信息。MongoDB 将 Voyage AI 的嵌入与重排模型整合进其数据平台，推出 rerank-3 系列及聚合管道中的 $rerank，使检索、重排与业务数据在同一系统内完成，避免多供应商集成与向量不同步问题。rerank-3 准确率优于 Cohere 和 Qwen3，并能显著提升多种首阶段检索效果。

MongoDB旗下Voyage AI的Rerank 3与Rerank 3 Lite已上线AI Gateway，可在文档送入语言模型前按相关性重排搜索结果，提升检索质量，对长文档和代码效果最明显。Rerank 3侧重准确率，Lite版优化延迟与成本，均支持32K token并可按查询指令排序。

新推出的rerank-2.5系列显著提升了检索准确性，支持32K令牌上下文长度和指令跟随功能，准确性较Cohere Rerank v3.5提高7.94%。用户可通过自然语言指令优化模型输出。

我们推出了rerank-2.5系列，显著提升检索准确性，并首次引入指令跟随功能。该系列在93个数据集上比Cohere Rerank v3.5提高约8%。新功能支持用户通过自然语言调整模型输出的相关性评分，适用于32K令牌上下文长度，便于处理更长文档的检索。

本文介绍了一个单例模式的重排序器类，该类使用指定模型计算问题与文档对的得分，并按得分降序排列文档。

Elastic 8.17发布了Elasticsearch logsdb索引模式、Elastic Rerank模型和ES|QL全文搜索功能，显著提升了存储效率和搜索性能。logsdb模式可减少65%的日志数据存储，Rerank模型增强了语义搜索，ES|QL支持更快速的日志查询。这些更新优化了用户体验，适用于电商等多种场景。

Elastic 8.17 版正式发布，提升存储效率和搜索性能。新功能包括 Elasticsearch logsdb 索引模式，减少日志数据存储占用高达 65%；Elastic Rerank 模型提供语义重排序；ES|QL 的全文本搜索功能显著提升查询速度。此外，推出 SAML 单点登录，简化企业访问管理。

我们推出了Voyage 2系列的重排序器rerank-2和rerank-2-lite，分别提高了OpenAI最新嵌入模型的准确性13.89%和11.86%。这两款重排序器支持更长的上下文长度，提升了检索系统的质量。用户可升级至新版本以获得更好的性能。

本文介绍了向量召回的最佳实践，包括对称召回和非对称召回的比较、知识增强、模型演进和选型、向量模型Finetune、召回Rerank以及多路融合的工程实践。微调可以提高Recall@N的准确率，Rerank可以结合倒排和向量召回的结果。LangChain框架可以简化LLM应用开发和多种LLM模型的集成流程。建议同时考虑QQ和QD召回，用QQ和QD语料对向量模型进行Finetune。多路召回对提升知识问答的覆盖能力有正向帮助。