使用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
AWS 演示了如何用 LangChain 和 Amazon Bedrock Knowledge Bases 构建 RAG 应用，并比较 Retrieve API 的单次检索与 AgenticRetrieveStream API 的多步规划检索。
推荐理由：文章按查询复杂度在单次检索与智能体规划间分流，为兼顾召回率、延迟和调用成本提供了可迁移的RAG路由方法。
#RAG
AWS Machine Learning Blog精选AI 评分6363
AWS Machine Learning Blog精选AI 评分6969 如何使用 Amazon Quick 和 Adjudicated Query 模式批量检查数千份租约的合规性
AWS 介绍了 Adjudicated Query 模式，并提供可端到端部署的参考实现，用 Amazon Quick 对数万份租约执行合规检查。模型只负责把自然语言问题映射到六个固定 MCP 工具并叙述结果，正式判定由确定性规则引擎完成，完备性回执确保每条记录归入合规、违规、模糊或不可读类别。
推荐理由：该模式将自然语言交互限制在固定工具表面，并以确定性规则和完备性回执隔离高风险判断，提供了可迁移的合规架构。
Hugging Face Blog精选AI 评分7171 Ai2 开源科研报告生成模型 AstaBrief 8B 及训练数据
Ai2 开源 AstaBrief 8B 及其训练数据，该模型可将研究问题和检索到的文献片段生成带引用的报告。模型以 Qwen3-8B 为基础，使用 47K 个 SFT 样本和约 6K 个 DPO 样本，并以引用密度等信号过滤训练数据。
推荐理由：文章展示了如何用真实科研查询、引用密度过滤和双裁判偏好数据，让8B模型兼顾报告质量、溯源与生成效率。
GitHub Blog · AI & MLAI 评分5656 GitHub 探讨 AI 生成代码审查、RAG 是否已死及 Skills 是否终结 MCP
GitHub 认为，开发者仍需审查并对 AI 生成代码负责，RAG 并未过时，Skills 与 MCP 解决的是不同问题。审查强度应随风险调整，MCP 提供连接工具和数据的标准方式，Skills 承载项目语境与流程，RAG 补充模型训练数据之外的相关信息。文章还将模型难以理解代码库视为可维护性压力测试，并主张通过实际构建和记录检验观点。
Mistral AI精选AI 评分7676 Mistral 发布 Agentic Search，提升复杂文档检索的准确率与效率
Mistral 发布 Agentic Search，通过多步检索循环让 AI 系统在复杂文档和多数据源中查找、浏览并核验信息，现已通过 Mistral Search Toolkit 及 Studio、Vibe 中的 Libraries 提供。
推荐理由：多步检索与文档内导航被纳入同一套默认工具栈，两项基准呈现了相对单次 RAG 的准确率、token 和延迟变化。