本文介绍用scikit-learn和开源模型搭建轻量级RAG流水线，无需付费API或重型框架。流程为：下载文档数据集并分块，用sentence-transformers生成嵌入，用NearestNeighbors以余弦距离构建检索器，再接入Qwen2.5-0.5B-Instruct生成答案，适合原型验证和低成本部署。

本周Python动态：K-Dense-AI可将AI代理升级为AI科学家，提供165项科学技能，覆盖生物、化学、医学等领域；Sentence Transformers 6.0新增多向量编码器，支持ColBERT式检索模型训练；另有文章讲解LLM的KV、前缀、提示与语义缓存，以及NumPy内部实现、Django自定义迁移操作等。

本文介绍了1bit量化embedding模型，强调其在相似度计算中的优势，具有32倍的压缩率和25倍的检索速度，同时保持95%的检索准确率。此外，提到Sentence Transformers库支持超过1万个embedding模型。