Granite Embedding Multilingual R2：Apache 2.0 开源多语言嵌入模型，32K 上下文，sub-100M 检索质量最佳

Ettin Reranker 家族介绍

Introducing the Ettin Reranker Family

Tom Aarsen 发布的文章，推出六个基于 Ettin ModernBERT 编码器的 Sentence Transformers CrossEncoder 重排模型，参数量分别为 17M、32M、68M、150M、400M 和 1B，并公开训练数据与完整训练方法。模型采用蒸馏训练：在以 cross-encoder/ettin-reranker-v1-data 上 mixedbread-ai/mxbai-rerank-large-v2 的分数做逐点 MSE，该数据集是 lightonai/embeddings-pre-training 的子集与 lightonai/embeddings-fine-tuning 中重排子集的混合。文章还包含与多个嵌入模型在 MTEB(eng, v2) Retrieval 上的搭配结果、使用说明和训练说明。

ChromaDB：Python 中的嵌入与向量数据库

ChromaDB: Embeddings and Vector Databases in Python

Real Python 的教程，作者 Harrison Hoffman，阅读时长约 1 小时 7 分钟，难度标注为高级，配套有 17 课时的相关课程。内容涵盖向量基础与相似度、词嵌入与文本嵌入、ChromaDB 这一开源向量数据库的入门、向集合添加文档、查询与过滤更新删除，最后以一个给大语言模型提供上下文的实例串联全流程。适合想用 Python 搭建向量检索与 LLM 上下文应用的开发者阅读。

AI 工程实验室（24 周 AI 工程自学课程）

Zorost Intelligence AI Lab 发布的一套免费、自定进度的 24 周 AI 工程课程仓库，采用 MIT 许可，无需注册。内容覆盖 Python、机器学习、LLM、RAG、微调、Agent 与 MCP，以及 Azure、Vertex、Bedrock 和 Databricks 等平台，包含 43 个可运行的 notebook 和一个贯穿全程的案例研究。README 提供克隆安装步骤，并指引编程或 AI 新手先阅读 START-HERE.md。

cdcailf/cjkfold

这是一个 Python 库，用于把形近的 CJK 字形（康熙部首、CJK 部首补充等）折叠回常见汉字，使从 PDF 中提取的文本能正常匹配。README 举例说明「⻆」「⾊」等字符渲染上像「角」「色」但实际码位不同，导致字符串包含判断失败；提供 fold 函数进行归一化，并说明无运行时依赖、纯函数、支持 Python 3.9+。仓库还附有一篇关于 PDF 中文抽取后无法检索的中文背景文章，并提到建立在其上的 corpusfold 项目。

上下文工程

Context Engineering

DeepLearning.AI 上的一门中级课程“Context Engineering”，与 Chroma 合作制作，讲师为 Jeff Huber 和 Drew Breunig。课程共 37 个视频、8 个代码示例、6 次评分作业，时长约 18 小时 56 分，内容涵盖智能体搜索、上下文管理（裁剪、压缩、草稿板）和智能体记忆。材料显示该课程于 2026 年 10 月 26 日更新，证书需 PRO 会员。

Mistral OCR 4：面向文档智能的 SOTA OCR

Mistral OCR 4 : SOTA OCR for Document Intelligence

这是 Mistral 于 2026 年 6 月 23 日发布的博客，介绍 OCR 4 文档解析模型。该模型在提取文本之外还提供边界框、区块分类和行内置信度分数，支持 170 种语言、可单容器自托管部署，定位于企业搜索、RAG 和智能体工作流的文档摄取，可通过 API 或 Document AI 使用，文中称其在人工评估和基准测试中优于领先的 OCR 系统。