Neo4j 发布 Neocarta 语义层，降低 Text2SQL token 消耗最高达 81%
Neo4j 发布 Neocarta 语义层，通过在 Neo4j 中构建跨 BigQuery 和 Databricks 的元数据图，使 Text2SQL 代理在 278 张 Census 表和 264 张 Databricks 表的复杂环境中。
推荐理由：原文展示了在大规模、复杂数据环境中，通过图结构语义层显著提升Text2SQL的准确性和成本效益，可直接复用于企业级数据接入场景。
#RAG
Neo4j 博客精选AI 评分6464
Neo4j 博客AI 评分3030 使用 Neo4j Document Intelligence 构建家庭作业问答图
Neo4j 新工具 Document Intelligence 可将非结构化 PDF 文档转换为图数据库，用于生成家庭作业问答对。该方法在免费版 Aura 中可用，通过手动定义包含“问题”和“答案”节点的图模型实现。用户可选择免费方案或集成 OpenAI、Bedrock 等 API 来评估回答。
Engineering at Meta精选AI 评分6767 Meta 构建组织级第二大脑：AI 从专家学习的系统设计
Meta 发布了一套用于构建组织级AI第二大脑的系统架构，该系统通过分层设计（知识系统、推理管道、评估框架、自我改进循环）实现专家知识的结构化存储与自动化迭代。知识以可导航文件系统形式组织，推理通过可组合的‘配方’（recipes）实现，反馈通过自动化编译与回归测试转化为永久性知识更新，无需模型重训练。系统已在合规领域验证，显著减少专家评估时间，提升输出一致性，并支持跨领域扩展。
推荐理由：原文构建了可审计、可迭代的AI知识系统，读者可参考其分层架构和自动化改进机制来设计企业级智能体系统。
Weaviate 博客AI 评分5050 Weaviate 如何从PDF中的图表和表格提取语义
Weaviate 提供一种无需OCR的RAG方法，通过多向量模型直接处理PDF页面图像，提取图表和表格中的语义信息。该方法将每页作为独立对象嵌入，利用MaxSim匹配查询与页面区域，支持拖拽上传和Python部署。示例中对NVIDIA财报的查询返回了包含趋势图表的页面，Query Agent可生成带图像引用的合成答案。
Neo4j 博客AI 评分3232 企业 AI 的知识层：运营结构
企业 AI 的知识层通过图结构建模运营组织，解决责任归属、流程执行等实际问题。Neo4j 图智能平台将业务单元、团队、角色和人员关系存储为可查询的图数据，帮助 AI 智能体准确理解业务流程中的权责关系。该层设计依赖于系统记录（如 Workday、BambooHR）的数据映射，并通过治理机制确保实体一致性、来源可追溯和结构验证。
LangChain 博客AI 评分2626 LangSmith 重构产品首页并推出资源标签以提升组织性
LangSmith 重构了产品首页并引入资源标签功能，以更好地组织工作区内的资源。首页按可观测性、评估和提示工程三个主要领域重新划分，支持更清晰的开发流程管理。资源标签允许用户按自定义标签或“Application”进行过滤，提升资源分组和访问的灵活性，并将很快支持基于属性的访问控制（ABAC）。
LangChain 博客AI 评分4848 LangSmith 推出自我优化的 LLM-as-a-Judge 评估系统
LangSmith 推出自我优化的 LLM-as-a-Judge 评估系统，通过存储人类对评估结果的修正作为少样本示例，使评估器在后续迭代中自动适应。该系统减少对提示工程的依赖，适用于检测 RAG 幻觉、答案正确性及毒性内容等场景。用户可免费注册 LangSmith 尝试该功能，评估器支持在线和离线模式，配置简便且能随时间改进。
LangChain 博客AI 评分5252 LangChain 重构聊天机器人并上线新功能
LangChain 重构了 chat.langchain.com 聊天机器人，采用 createAgent 和 Deep Agent 两种架构，分别用于快速文档问答和深度代码分析。新系统通过直接调用文档、知识库和代码库的 API，实现精准引用和上下文优化，支持多模型切换与实时流式响应，已在生产环境上线。
Neo4j 博客AI 评分2121 Neo4j Aura 初创公司开发指南
Neo4j Aura 提供了初创公司构建图应用的完整指南，包括安装工具、实例配置和常见错误避免。使用 neo4j-cli 安装所有技能并开启自动刷新，确保技能与 Neo4j 功能同步更新。通过 GraphRAG、MCP 服务器、GDS 和 Agent Memory 等工具，可逐步构建图应用并优化性能。
LangChain 博客精选AI 评分6565 LangChain 用 Perplexity Agent API 构建可审计 VC 研究智能体
LangChain 官方发布教程，展示如何使用 Perplexity Agent API、LangGraph 和 LangSmith 构建可审计的 VC 研究智能体。
推荐理由：原文展示了如何用 Perplexity Agent API 和 LangGraph 构建可审计的投资研究智能体，提供了可复用的架构与实现路径。
LangChain 博客AI 评分4343 Wiki Memory: 基于文件的 AI 智能体记忆系统 | LangChain 博客
LangChain 博客提出了一种名为 Wiki Memory 的 AI 智能体记忆系统，通过将原始数据转化为结构化文件形式，为智能体提供持久、可读的知识层。该方法不同于 RAG，采用预计算方式生成知识摘要，便于后续智能体快速理解领域内容。Wiki Memory 适用于长期领域知识存储，而非短期对话状态或高频日志记录。
LangChain 博客精选AI 评分6363 LangChain 与 You.com 联合发布金融研究智能体框架
LangChain 与 You.com 联合发布基于 Deep Agents 和 Finance Research API 的金融研究智能体框架，支持对欧盟27国2025年GDP数据进行自动化分析，实现异常检测、行业归因与可审计报告生成，完整执行过程通过 LangSmith 可视化追踪，提供可复现、可验证的AI研究工作流。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
LangChain 博客精选AI 评分5656 Harmonic 用 Deep Agents 重构 Scout 实现 4 倍留存
Harmonic 用 Deep Agents 重构其 AI 产品 Scout，将产品迭代周期从月级缩短至天级，通过单个前沿模型与工具集成实现开放任务处理，支持跨数据层与企业上下文的多步推理。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Neo4j 博客AI 评分2828 GraphSAGE 与 Aura Graph Analytics 模型仓库：实现“训练一次，嵌入永久”
GraphSAGE 允许在新增节点时不重新训练整个图谱，直接生成嵌入向量。Aura Graph Analytics 提供模型存储功能，支持复用训练好的 GraphSAGE 模型处理新数据。文章演示了如何在合成电商图谱上训练 GraphSAGE，并用其为从未见过的新客户生成嵌入，无需重新训练。
Neo4j 博客AI 评分3434 Building a Neo4j Memory and Graph Agent for IBM watsonx Orchestrate
IBM watsonx Orchestrate 可通过 Model Context Protocol (MCP) 集成 Neo4j 知识图谱和长期记忆功能，实现无需应用代码的原生代理。
Neo4j 博客AI 评分4545 Secure GraphRAG：将 Microsoft Copilot Studio 与 Neo4j 通过 per-user Okta SSO 连接
Microsoft Copilot Studio 通过 per-user Okta SSO 与 Neo4j 集成，确保每个用户仅能访问其权限范围内的数据。该方案使用 OAuth 2.0 获取 Okta 访问令牌，并将其直接传递给 Neo4j MCP 服务器，由数据库验证权限并映射 Okta 组到 Neo4j 角色。
Mistral AI精选AI 评分6060 Mistral AI 发布 Agentic Search，提升复杂文档检索的准确性与效率
Mistral AI 发布 Agentic Search，这是一种多步骤检索层，让 AI 模型能在复杂文档中导航、阅读和验证信息。它通过五个工具（search、open、navigate、read、grep）在现有索引上工作，无需微调。
Neo4j 博客AI 评分2626 什么是图技术？以及为何它是企业 AI 的未来
图技术通过存储和分析数据之间的连接，使 AI 智能体能直接查询、遍历和推理关联数据，从而将模型幻觉率降低 44%。它构建知识图谱，让智能体在回答问题时能追踪多个实体之间的关系路径，而非仅依赖孤立数据片段。图技术作为企业 AI 的知识层，提供记忆、上下文和推理能力，无需替换现有数据库即可实现更准确、可解释和可治理的 AI 应用。
Weights & BiasesAI 评分4343 我构建了一个能读取互联网的研究智能体，然后将其接入了我的维基
我训练了一个研究智能体，用于自动读取互联网内容以辅助 AI 相关研究，并将其接入个人维基系统。该智能体基于 Agent 框架实现，支持多步骤任务处理和信息整合。项目代码已开源，可在 GitHub 上获取。
Weaviate 博客AI 评分2828 Building Foundry 第二部分：创意工作流为何失效
创意团队在项目扩展过程中常因命名不一致、标签质量参差和关键词搜索不匹配导致检索失效。文件夹结构难以适应多团队协作，标签依赖流程纪律而受截止日期影响，关键词搜索常因描述与存储内容用词不一致而无法命中。现代系统需结合语义相似性、关键词匹配和元数据过滤，以应对不完美命名和不完整标签，Weaviate 可作为实现这一目标的示例。
Weaviate 博客AI 评分3939 Weaviate 博客：Scaling Test-Time Compute in Search Mode
Weaviate 的 Search Mode 新增 effort 参数，可在查询时控制计算资源投入，ultrahigh effort 在 BRIGHT Biology 基准上将 nDCG@10 提升至 57.5，优于 Hybrid Search 的 13.0。
Neo4j 博客AI 评分2929 Aura Graph Analytics 如何从首个图算法实验到生产环境
Aura Graph Analytics 提供了一种无需深入算法知识即可快速验证图分析价值的方法，通过直观界面和代码方式运行算法。用户可使用内置 AI 助手或 Claude、Gemini 等 LLM 描述数据结构，获取适合的图算法建议。数据可通过 pandas 或 Apache Spark 导入 AGA，支持生成可运行代码并直接在图中可视化结果。
Neo4j 博客精选AI 评分6767 Neo4j 提出 Meta Knowledge Graph：为 AI 智能体构建语义层与记忆的共享上下文层
Neo4j 提出 Meta Knowledge Graph（MKG），这是一个为 AI 智能体设计的、基于图结构的共享上下文层，旨在解决智能体缺乏特定领域知识的问题。
Neo4j 博客AI 评分4040 什么是上下文图（Context Graph）？
上下文图是一种持久化记忆系统，用于帮助 AI 智能体在长期企业知识、短期对话历史和推理记忆之间建立连接。它通过存储组织知识、交互过程、工具返回的证据及决策依据，使智能体能基于完整上下文进行推理、生成准确答案并解释决策。上下文图包含长期记忆、短期记忆和推理记忆三层，支持多智能体系统共享对话状态，降低 token 成本，提升可解释性和治理能力。
Neo4j 博客精选AI 评分5757 Neo4j 发布支持多智能体系统的常量成本语义记忆工具
Neo4j 发布 Semvec 及 Semvec Cortex 工具，通过在 Neo4j 图数据库中持久化语义记忆，实现单智能体与多智能体系统的常量 token 成本记忆机制。该工具支持跨会话、跨团队、跨班次的共享记忆、漂移检测、共识投票与行为一致性验证，所有功能通过 Python API 在本地运行，无需外部服务或网络调用。
推荐理由：原文提供了可直接复用的代码实现和架构设计，读者可据此构建具有持久语义记忆的多智能体系统。
Weaviate 博客AI 评分2626 Weaviate 如何通过语义搜索减少创意工作中的摩擦
Weaviate 通过语义搜索技术帮助创意团队更高效地检索已有作品，解决文件命名混乱和组织低效的问题。该技术利用机器学习将媒体内容转化为向量嵌入，使相似含义的文件在高维空间中更易被找到。语义搜索可与传统元数据结合，提升创意资产的可检索性与组织效率。
Neo4j 博客AI 评分4646 Neo4j Virtual Graph 现已开放公测
Neo4j Virtual Graph 现在进入公测阶段，支持 Snowflake、Databricks 和 Google BigQuery 数据源，采用零拷贝架构实现知识图谱查询。
Neo4j 博客AI 评分3030 AI 智能体如何做决策及如何改进
AI 智能体通过理解目标、收集上下文、决定下一步、执行和学习的循环流程进行决策，但若上下文不完整或断裂，可能导致错误操作。构建上下文图谱可为智能体提供连贯的记忆，使其决策更可靠、可解释并可改进。上下文图谱能记录决策过程和结果，帮助智能体从历史经验中学习，避免重复错误。
Neo4j 博客AI 评分3030 Neo4j 推出 Virtual Graph，实现与 Databricks 和 Snowflake 的原生云数据推理连接
Neo4j 推出 Virtual Graph，允许在 Databricks 和 Snowflake 等云数据平台直接运行 Cypher 查询和图算法，无需数据迁移。
Neo4j 博客AI 评分3535 Neo4j 在 HackwithBay 3.0 中展示如何正确使用图数据库并快速构建系统
Neo4j 在 HackwithBay 3.0 活动中展示了图数据库在构建自主智能体系统中的高效应用，三支获奖团队均以图结构作为系统可信数据源。VeriGraph 团队通过图数据库将研究论文转化为可执行证据链，使用 RocketRide、Butterbase 和 Daytona 实现了几乎无需胶合代码的集成。
Neo4j 博客AI 评分3838 Neo4j 中使用 Cypher 实现混合搜索：结合全文、向量与图结构
Neo4j 支持通过 Cypher 实现混合搜索，结合全文、向量和图结构等多种信号进行检索。该方法使用 WRRF（加权倒数排名融合）对多个来源的结果进行重新排序，提升同时出现在多个搜索中的结果权重。混合搜索可应用于支持案例调查，通过技术词汇、语义相似性或图结构关系找到相关案例。
Weaviate 博客精选AI 评分6262 Weaviate 大规模数据导入与向量化实践指南
Weaviate 官方发布大规模数据导入与向量化实践指南，涵盖服务器端批处理、错误处理与重试机制、数据类型选择、多模态数据处理（如 PDF、图像、视频）以及使用 blobHash 降低存储成本的方法。
推荐理由：原文提供了大规模数据导入的完整实践指南，包括批处理、错误处理、数据类型选择和多模态处理，读者可直接用于优化现有流程。
Amazon ScienceAI 评分4242 Amazon Science：Ground truth 是一个过程，而非数据集
Amazon 的 AGI 团队提出了一种新的评估协议 audit-then-score，用于验证 AI 生成的研究报告中的事实准确性。该协议通过让 AI 检查器质疑基准答案并提供证据，由人工审计员进行比较和修订，使基准本身成为动态过程。在 DeepFact-Bench 上，基于 GPT-4.1 的 DeepFact-Eval 准确率达到 83.4%，优于传统事实核查系统和先前深度研究系统。
Weaviate 博客精选AI 评分5454 使用 Weaviate MCP 构建代码助手：RAG over Code & Docs
Weaviate 博客发布教程，介绍如何利用内置 MCP 服务器构建代码助手，通过 RAG 技术检索代码和文档，支持 Claude Code、Cursor 和 VS Code 连接，提供从部署、数据分块、索引到客户端配置的完整步骤。
推荐理由：原文提供了从部署到连接多个客户端的完整步骤，读者可直接复用以构建基于 Weaviate 的代码助手。
Weaviate 博客AI 评分3838 Weaviate v1.37 如何让 BM25 分词器成为可观察的多语言搜索组件
Weaviate v1.37 将分词器作为可观察的多语言搜索组件，提升混合搜索质量。BM25 的搜索效果高度依赖分词器的准确性，错误分词会导致关键词匹配失效。该版本支持多种分词方法（如 WORD、LOWERCASE、WHITESPACE、FIELD）和语言特定分词器（如 kagome_ja、gse_ch），并提供字符折叠功能以解决多语言搜索中的重音不匹配问题。
Weaviate 博客AI 评分4040 Your LLM Is Only as Good as What It Retrieves
检索质量是影响大语言模型输出可靠性的关键因素，当检索失败时，模型会生成看似合理但缺乏事实依据的内容。研究发现，在 HaluEval、TruthfulQA 和 FaithDial 等基准测试中，检索层问题始终是幻觉产生的主要来源。五种常见的检索失败模式包括检索漂移、上下文截断、过时索引污染、低相关性 top-k 检索和智能体间误通信，这些问题在多智能体系统中尤为隐蔽且难以检测。
Weaviate 博客AI 评分3434 Weaviate 1.37 版本发布：新增 MCP Server、可扩展分词器等预览功能
Weaviate v1.37 发布，新增内置 MCP Server、可扩展分词器、基于 MMR 的多样性搜索（Diversity Search）和查询分析（Query Profiling）等预览功能。
Together AIAI 评分4949 Together AI 研究：弱模型如何通过“分而治之”框架在长上下文任务中超越 GPT-4o
一项研究发现，采用精心设计的“分而治之”框架，Llama-3-70B 或 Qwen-72B 等较弱模型在长上下文任务上的表现可以匹配甚至超越 GPT-4o 的单次处理模式。该框架通过规划器、并行工作器和聚合管理器分解任务，有效降低了因上下文过长导致的模型混淆、任务依赖和聚合噪声。这种方法在问答、检索和摘要等任务中更具成本效益和速度优势，但高度依赖跨块上下文的任务仍适合使用单次处理的强大模型。
Replit 博客AI 评分2929 Replit + Snowflake 如何构建数据应用（网络研讨会）第二部分
Replit 与 Snowflake 联合演示如何通过自然语言指令构建数据应用，新增预测、钻取分析和 Slack 警报功能。Replit Agent 可生成 SQL、绘制图表并展示预测趋势，无需手动编码。用户可通过提问获取数据答案及对应 SQL，提升非技术人员的使用效率。
Replit 博客AI 评分4040 Replit 与 Snowflake 推出数据应用实时连接功能 [webinar]
Replit 推出与 Snowflake 的连接器，允许用户通过自然语言提示构建数据应用，无需手动编写代码。连接器提供安全的只读访问，简化了认证和配置流程，支持实时数据更新和 SQL 查询验证。该功能通过两种模式（Build 和 Plan）提升开发效率，用户可一键部署应用并选择私有、密码保护或公开发布。