Weaviate 推出按查询 profiling，定位搜索延迟来源
Weaviate 新增按查询 profiling，在搜索请求上开启一个可选开关后，耗时拆分会直接返回在 response.query_profile 中，协调节点会汇总各分片与节点的 profile，一次响应即可获得集群级视图，无需重启或等待查询再次变慢。
#搜索
#搜索
今日 6 条Weaviate • vector database(@weaviate_io)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Eric Jing(@ericjing_ai)AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Genspark 发布 6.0 版 AI 工作台，推出 Persistent AI Brain 与首款硬件 SecondBrain Note
Genspark 发布公司历史上最大的一次更新 Genspark 6.0，其核心是 Persistent AI Brain SecondBrain，把邮件、会议记录、IM、文档、应用和 Genspark 项目连接到同一上下文层。
Weaviate • vector database(@weaviate_io)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate Playground 上线电商演示 WeCommerce，自动路由 BM25 与向量检索
Weaviate Playground 新增电商演示 WeCommerce，可将关键词、心情或氛围查询自动路由至 BM25、语义向量搜索或混合检索，并支持按类别、品牌、价格实时分面过滤。商品页通过近邻对象向量搜索展示相似商品，同一集合同时驱动发现与推荐，无需额外基础设施。该演示可在 Weaviate Cloud 免费层部署。
Weaviate • vector database(@weaviate_io)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate Playground 推出关键词、向量与混合搜索对比演示
Weaviate 在 Playground 上线关键词、向量与混合三种搜索的并排对比演示，支持在 landmarks、movies、science、games、Pokemon 等真实数据集上测试查询。BM25 按 TF-IDF 式评分匹配精确词句，向量搜索用稠密嵌入捕捉语义，混合搜索并行运行两者并用 reciprocal rank fusion 合并结果。演示也支持粘贴自己的数据。
QdrantAI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 实测反超 Elastic DiskBBQ：2 倍吞吐、一半延迟、约三分之一算力
Qdrant 用相同数据集复现 Elastic 的 DiskBBQ 基准，在 recall@100 约 0.96 时，3 节点 2 vCPU/8 GB 配置下跑出 67.2 QPS、59.5 ms 平均延迟，吞吐约为 Elasticsearch（32.4 QPS、122.6 ms）的 2 倍，延迟减半。
Weaviate • vector database(@weaviate_io)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate Playground 推出新闻主题演示：用向量聚类自动组织头条
Weaviate Playground 上线一个新闻主题演示，每 2 小时抓取 general、world、business、technology、sports、health 六个类目的新闻头条，将其转为 1,536 维向量存入 Weaviate，再用 Leiden 算法聚类并由 LLM 为每个聚类生成标签，读者可在语义、关键词与混合搜索间切换。该演示附带 copy prompt，支持自行搭建。
QdrantAI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 如何实现分支感知的语义代码搜索
Qdrant 提出分支感知的语义代码搜索方法，用向量索引按语义检索代码，并让每次查询只作用于某一分支的实时视图：包含该分支自身的提交及其从祖先继承的内容，排除后续提交已替换的版本。
Weaviate • vector database(@weaviate_io)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate Playground 推出交互式演示，对比 BM25、向量与混合搜索
Weaviate 在 Playground 上线交互式演示，让用户在同一批数据上对比 BM25 关键词搜索、向量语义搜索和混合搜索的返回结果差异。其中混合搜索并行运行关键词与向量两种方式，再用倒数排名融合或加权组合合并结果列表。演示提供地标、电影、科学、游戏、宝可梦等数据集，也可用自己的数据尝试。
Weaviate • vector database(@weaviate_io)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate 在 Playground 推出 WeCommerce 电商搜索演示，融合 BM25、向量与混合检索
Weaviate 在 Playground 中搭建了电商搜索演示 WeCommerce，把关键词、语义与混合检索整合进同一套产品发现流程。用户输入关键词、情绪或氛围后，查询会分别走 BM25 关键词检索、向量语义检索和混合检索，并支持按品类、品牌、价格的实时分面筛选；商品页还用近邻向量检索自动推荐相似商品。
QdrantAI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 首届旧金山 Vector Space Day 回顾：Agent 记忆、检索与机器人
Qdrant 于 6 月 11 日在旧金山 The Midway 举办首届美国 Vector Space Day，350 余名开发者参会，设 Agent 与记忆、搜索与检索、边缘与机器人三个分轨。
QdrantAI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 研究：不调用 LLM 如何预测弱检索
Qdrant 提出用廉价信号在检索路径上提前识别弱检索，避免为每个查询都调用 LLM 判断。这些信号读取检索器已返回的结果，至多增加一次复用查询向量的 Qdrant 查询，包括 max_score、dense_variance、evidence_coverage、retriever_divergence 和 dense_agreement 等。
Martin Fowler(@martinfowler)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Martin Fowler：我们与 Bayer 用 AI 让制药研究员查询数十年 PDF 报告
Martin Fowler 与 Bayer 合作，用 AI 让制药研究员查询埋藏在 PDF 报告里数十年的信息。Sarang Sanjay Kulkarni 描述了从关键词搜索演进为可起草监管报告的研究助手的过程。
Weaviate • vector database(@weaviate_io)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate 上线全新 playground，7 个可运行 demo 覆盖 AI 记忆到欺诈检测
Weaviate 推出全新 playground，内含 7 个可运行示例项目，覆盖搜索、RAG、智能体、记忆等场景，每个 demo 都附带可复制粘贴的提示词。
NotebookLM(@NotebookLM)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NotebookLM 推出智能体式研究助手，可自动建库并联网补充来源
NotebookLM 发布智能体式研究助手，用户只需在对话中输入零散想法和问题即可开始创建 notebook。NotebookLM 会引导用户搭建资料库，并在获得用户许可的情况下从网络查找并添加相关来源。官方同时邀请用户试用并反馈意见。
QdrantAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GoPerfect 如何用 Qdrant Cloud 打造智能体招聘团队
GoPerfect 基于 Qdrant Cloud 搭建智能体招聘平台，用混合搜索、多向量表示加 LLM 编排，在内部基准中把候选人接受率从行业约 30% 提升到 99.993%，大客户实测稳定在 95–100%，约为行业基线的四倍。单个候选人不再用单一嵌入向量表示，而是拆成结构化向量集合，查询时由智能体拆分意图并并行发起多路子查询，复杂多条件搜索可在 10 秒内端到端完成。
Jina AIAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jina AI 创始人肖涵：2026 年做搜索就是做 Agent Memory
Elastic 全球副总裁、原 Jina AI 创始人兼 CEO 肖涵在 Elastic 中国 AI 搜索技术大会上演讲，认为 2026 年做 AI 搜索基本就是在做智能体记忆，并指出记忆表征、选择性遗忘和跨模型迁移是当前未解决的问题。
QdrantAI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 为什么稀疏嵌入在电商搜索中胜过 BM25：微调 SPLADE 教程第一部分
稀疏嵌入经微调后在 Amazon ESCI 数据集上相对 BM25 实现 17% 的提升。稀疏向量维度约 3 万、每个商品仅 100-400 个非零值，用倒排索引做精确匹配，能区分「iPhone 15 Pro Max 256GB」与 128GB 这类稠密嵌入会混淆的细节。
QdrantAI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 在 Modal 上训练 SPLADE：电商搜索稀疏嵌入微调实战（第二部分）
这是稀疏嵌入微调教程第二部分，使用 Amazon ESCI 数据集在 Modal 无服务器 A100 GPU 上训练 SPLADE 模型，以 Exact 和 Substitute 商品对作为正样本进行对比学习，10 万样本训练成本约 0.35 美元。
Elastic BlogAI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Elastic{ON} London 2026 参会指南：从被动 AI 到智能体 AI
Elastic{ON} London 2026 将于 2 月 26 日在伦敦 Convene Sancroft, St. Paul's 举行，主题聚焦从被动 AI 向智能体 AI 的转变，强调 LLM 之外还需上下文工程来提供实时专有数据。
Jina AI(@JinaAI_)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jina AI 的 jina-reranker-v3 获 AAAI Frontier IR Workshop 最佳论文
Jina AI 的 jina-reranker-v3 在 AAAI Frontier IR Workshop 获得最佳论文。该模型是首个 listwise reranker，将所有文档放入同一上下文窗口，通过 self-attention 让文档相互竞争，而非像传统 reranker 那样循环处理 ⟨q,d⟩ 文档对，这种机制被称为 "last but not late" interaction。
Monica_IM(@hey_im_monica)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Monica 9.0 上线，推出 Monica Agent 与三项智能体能力
Monica 9.0 正式上线，推出 Monica Agent，官方称其为目前最强的智能体。该版本包含 Deep Research 深度研究与报告撰写、Create Slides 将想法转为专业幻灯片、Browser Operator 在用户自己的浏览器中自动执行任务三项能力。
hidecloud(@hidecloud)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Manus 与 Similarweb 达成首个数据合作，Pro 用户可查 12 个月流量数据
Manus 与 Similarweb 达成首个数据合作，为 Manus Pro 用户提供 12 个月网站流量历史数据，可直接对标竞品、分析营销渠道与流量来源，并查看分地区流量明细。
Dia(@diabrowser)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dia 集成 Slack Search，不用打开 Slack 也能检索 Slack 上下文
Dia 浏览器新增 Slack Search 功能，用户无需打开 Slack，直接在 Chat 中提问即可获取所需上下文。该功能已上线 Dia。
Aman Sanger(@amanrsanger)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Cursor 语义搜索提升 AI 智能体准确率：靠索引期算力换取推理期性能
Cursor 的语义搜索能提升智能体在所有前沿模型上的准确率，在大型代码库中尤为明显，仅靠 grep 难以应对。其思路是在索引阶段投入大量算力，复用这部分计算来提升效果，而不增加推理期算力开销，嵌入向量是实现这一目标最简单的机制。Cursor 还训练了专用嵌入模型用于代码检索。
Fellou(@FellouAI)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fellou CE：多数"AI 浏览器"只是标签页里的聊天机器人，它能跑真实浏览任务
Fellou CE 宣称能执行真实浏览任务而非仅给出答案，可实时分析 X 与 Reddit 并"在数秒内"发布报告。该产品将自身与"只是标签页里聊天机器人"的多数 AI 浏览器区分开来。
Fellou(@FellouAI)AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fellou 征集用户案例：你最喜欢的用途是什么？
Fellou 官方账号向用户征集使用案例，邀请分享在研究或项目中最喜欢的用途。一位用户称在 UCSD 校园持续使用 Fellou 时，有学生主动表示从未见过类似产品，双方交谈一小时，演示任务为查找所有获得 YC 投资的 UCSD 学生名单。
Fellou(@FellouAI)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fellou CE 浏览器展示 Deep Search、真实操作与智能体工作流
Fellou 展示创作者如何使用 Fellou CE 浏览器解锁 Deep Search、真实操作与 agentic workflows。这些能力被用来重新定义浏览器可以做到的事情，用户可通过 fellou.ai 试用 Fellou。
Dia(@diabrowser)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dia 上线 Memory Search：在恰当的时机调用正确的上下文
Dia 浏览器正式上线 Memory Search 功能，主打在恰当的时机调用正确的上下文。官方发布推文称该功能现已可用，并附上了演示视频。
MongoDB BlogAI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MongoDB Atlas 与 Pureinsights 集成正式 GA，打造关键词+向量+生成式 AI 搜索
MongoDB Atlas 与 Pureinsights Discovery Platform 的集成已正式 GA，提供关键词、向量与生成式 AI 驱动的搜索体验。该方案先用 Atlas Search 做关键词检索，再通过 Atlas Vector Search 与 Voyage AI 的嵌入和重排序理解查询意图，并可跨博客、论坛和技术文档合成带引用的生成式答案。
MongoDB BlogAI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 选择混合搜索方案时的核心考量
混合搜索将传统关键词搜索的精确性与向量搜索的上下文理解能力结合，成为满足当前用户期望的关键方案。随着 RAG 等生成式 AI 用例兴起，高质量检索需求推动向量搜索与词汇搜索走向融合，主要融合技术包括倒数排名融合（RRF）和相对分数融合（RSF），二者无需依赖可直接比较的分数尺度即可合并结果。
DeepSeek(@deepseek_ai)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-V3.1-Terminus 更新
DeepSeek 在 V3.1 基础上发布 DeepSeek-V3.1-Terminus，针对用户反馈做出改进。此次更新提升语言一致性，减少中英文混杂与随机字符；同时增强 Code Agent 和 Search Agent 表现。
Groq Inc(@GroqInc)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 单人开发者打造开源 Perplexity 竞品 Scira AI，月活超 6 万
单人开发者 Zaid Mukaddam 在没有团队、资金和授权的情况下，做出一款开源 Perplexity 竞品 Scira AI，该项目从周末项目起步，目前已支撑超过 100 万次搜索，月活用户超过 6 万。
Eugene YanAI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI Engineer 2025：用 LLM 技术改进推荐系统与搜索
Eugene Yan 在旧金山 AI Engineer World's Fair 2025 主持了 RecSys track，并公开了开场 slides 与整场 YouTube 录像。该 track 聚焦如何用 LLM 技术改进推荐系统与搜索。
Barsee 🐶(@heyBarsee)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 智能体浏览器 Comet 开始向早期测试者推送
Perplexity 已开始向早期测试者推送其智能体网页浏览器 Comet。该浏览器主打 agentic 能力，目前处于早期测试阶段。
Elastic BlogAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Elastic 宣布 App Search 与 Workplace Search 独立产品在 9.0 版本中弃用
Elastic 在 9.0 版本中弃用 App Search 与 Workplace Search，两项产品在最新 8.x 版本中仍可用，并将在 EOL 公告后继续支持 27 个月。
OpenAI NewsAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ChatGPT 如何做市场调研：规划、检索、读取来源并生成研究报告
ChatGPT 可自主规划调研步骤、搜索并阅读信息来源，最终汇编出一份详细的研究报告，用于支撑市场分析。OpenAI 展示了它在市场调研场景下的这项完整能力。
Eugene YanAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 在 LLM 时代改进推荐系统与搜索：架构、数据与统一框架
工业搜索与推荐系统正引入 LLM 与多模态能力改造传统 ID 架构。YouTube 用 transformer 视频编码器加 RQ-VAE 生成 Semantic IDs，N-gram 与 SPM 方法优于随机哈希，尤其缓解冷启动；快手 M3CSR 通过 K-means 将多模态嵌入聚类为可训练类别 ID，A/B 测试点击提升 3.4%、点赞 3.0%、关注 3.1%。
Monica_IM(@hey_im_monica)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Monica AI 上线 o3-mini 模型，并为 DeepSeek R1 加入实时联网搜索
Monica AI 新增 OpenAI 的 o3-mini 模型，STEM 任务速度提升 24%，同时为 DeepSeek R1 接入实时 Web 搜索并增强推理能力，用户可在 monica.im 直接体验。
Lilian Weng — Lil’LogAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如何构建开放域问答系统？解析 Retriever-Reader 等三大框架
开放域问答（ODQA）要求模型在无相关上下文的情况下回答事实型问题，可分为开放书与闭卷两类。基于 DrQA 的 retriever-reader 框架先用 TF-IDF 等检索器从 Wikipedia 取回相关文档，再由 reader 抽取答案；Lewis 等人发现公开 QA 数据集训练集与测试集重叠严重，58-71% 的测试答案曾出现在训练集中。