rag

O'Reilly 畅销书《Hands-On Large Language Models》的官方配套源码仓库，收录近300张图解与可直接在 Google Colab 运行的 Jupyter Notebook，覆盖 Transformer、Prompt 工程、RAG、多模态与微调等全栈实践，已获 30K+ Stars。

本文提出了对齐式 RAG 评估（Aligned RAG Evaluation），这是一种查询配对协议，揭示了攻击成功率（ASR）会掩盖 RAG 知识投毒防御中由防御措施引发的失效，并在 HotpotQA 和 Natural Questions 上区分被成功阻止的攻击与新引入的包含攻击目标的回答。

该论文研究了RAG系统中的从众偏差：当检索到的多数文档是互相一致的投毒文档时，Gemma-3-12b检测中毒声明的能力从25%显著下降至10%，表明语言模型会随附多数证据而忽视事实核查。

一篇预印本针对策略撤销测试了五种智能体记忆系统（Graphiti、Zep、mem0、langmem、cognee），发现没有一种系统能可靠地阻止智能体检索已被替代的有害策略并据此采取行动；已撤销的记录有时仍排在检索结果首位，且超过40%的试验中出现了不安全行为。

一份教育性讲解，介绍从用户发送消息到聊天机器人作出回复之间发生的过程，涵盖分词、上下文窗口、对话记忆、分块与嵌入、RAG 检索、系统提示词、函数调用和安全评估。

一位实践者分享了自己在长文本生成系统中，难以兼顾大语言模型的自由写作与严格的事实可追溯性的经历，详细介绍了模板和结构化引用方案的失败尝试，并向社区询问：采用事后提取论断并进行核验的架构，在生产环境中是否效果更好。

推荐 Manning 新书《Domain-Specific Small Language Models: Efficient AI for local deployment》（Guglielmo Iozzia 著，2026 年 5 月出版），介绍如何用领域数据微调、量化并部署小模型，在本地硬件上实现高质量的垂直任务表现，并涵盖仅依赖小模型的 RAG 与 Agent 系统。

DAIR.AI发布了本周（10月26日至11月1日）热门AI论文精选，涵盖HarnessMM、DecisionRAG、统一训练、智能体后门、EmbeddingGemma 2等研究方向。

免费的开源“从零开始的 AI 工程”课程，以原始数学原理为起点，教授如何使用 Python、TypeScript、Rust 和 Julia 构建反向传播、分词器、注意力机制、Transformer、混合式 RAG 和智能体，并提供终端内交互式辅导和可运行的模拟。

一位开发者询问如何让本地模型的研究与搜索能力（使用 Crawl4AI + SearXNG）达到 ChatGPT/Codex 的水平，反馈在 GLM 5.3 Flash、DeepSeek V4.1 Flash 等模型以及 ZCode、OpenCode 等工具中经常出现结果缺失、过时、相关性低的问题。

本期 LangChain 社区聚焦 Soba Labs 的 Kacper Klusek，他分享了通过先修复检索来构建企业级 RAG 的方法：上下文化分块、BM25 混合搜索和重排序器，在 Anthropic 的评测中将检索失败率降低了 67%，而 LangSmith 评估则能捕捉文档变更带来的效果衰减。

斯坦福 CS329Z《Engineering AI Agents》课程的中文自学教程发布，包含 19 讲课程、4 个实践练习，覆盖 LLM、RAG、工具调用、记忆、多智能体和评测，并支持离线 HTML 阅读。

介绍康奈尔大学与 ASAPP 的 DecisionRAG 论文：用决策模型（如 Jev 1.13）在文档树上导航取代向量相似度检索，实现 retriever-free RAG，在 Natural Questions 上 top-1 命中率达 65.4%，优于 embedding 检索加 8B reranker 的 48.0% 和 GPT-5 reranking 的 60.8%。

浙江大学团队开源了中文教材《大模型基础》（Foundations of LLMs），GitHub 上已获 16K+ Stars，提供六章完整版 PDF 免费下载，涵盖语言模型基础、LLM 架构、Prompt 工程、参数高效微调、模型编辑与 RAG，并持续月度更新。

FilingLoop 推出了一个用于企业信息披露审查与修订的交互式基准和自演进大语言模型智能体框架，以 380 项美国证券交易委员会（SEC）IPO 审查任务为基础，采用需求级评估，通过无需更新模型权重的程序性学习，将需求满足率从 24.28% 提升至 27.96%。

GitHub 仓库 cs329z-chinese 将 Stanford CS329Z《Engineering AI Agents》课程公开材料整理成一套中文自学教程，包含 19 讲、4 个动手练习以及可离线阅读的网页版，面向会 Python 的开发者系统学习 Agent 开发。

有人开源了被称为"AI知识图谱版Terraform"的工具 Open Ontologies，可让AI推理变得可验证，支持增量修改预览、事实校验与RAG声明验证，并通过MCP集成Claude Code、Cursor、Windsurf等工具。

一位从业者分享了自己搭建的排名网站上各款 AI 智能体检索/RAG 工具的评分，指出 LlamaIndex 以 7.0 分领先，而 Pinecone 和 Ragas 在版本更新及时性方面落后，并询问生产团队使用的检索技术栈及评估实践。

一份构建研究型 AI 智能体的指南：该智能体接收研究类问题，制定计划，搜索网络，过滤噪声，并返回结构化、有来源支持的答案，同时提供置信度评分并披露不确定性。

对七款热门 LLM 评估工具的比较，分为代码库（promptfoo、DeepEval、Ragas）和追踪/实验平台（Langfuse、Arize Phoenix、LangSmith、Braintrust）两类，并提供各工具适用场景的指导。