AWS 示例用 Crawl4AI 抓取授权网页，生成 Markdown 与元数据后由 Amazon Bedrock Knowledge Bases 摄取。Amazon EventBridge 按计划启动 AWS Fargate 任务，将文件上传至 Amazon S3，知识库再完成解析、分块、嵌入、索引和检索。
推荐理由：文章梳理 Amazon Bedrock Web Crawler 与 Crawl4AI 两条路径，并给出从网页预处理到摄取和检索验证的完整实现。
Worldwide Express 与 AWS、LTM 构建了基于 Amazon Bedrock 的多智能体方案，自动分派并处理承运商账单异常。三个智能体分别处理发票匹配、定价差异和附加费验证，调用承运商知识库并通过 API 接入 TMS SpeedShip，早期保留人工审批。
推荐理由：案例给出了多智能体接入业务系统、检索承运商规则并设置人工审批的落地路径，同时披露异常处理效率和财务收益。
Glance论文提出让生成器兼任重排序器，通过轻量适配器和指针头从共享预填充中为候选段落打分，仅保留一个9B骨干。每个决策技能仅增加约0.1 GiB内存；经39分钟MS MARCO微调后，其SciFact和NFCorpus nDCG@10分别为0.741和0.345，高于bge-reranker-v2-m3的0.721和0.326。
推荐理由：Glance将重排序与生成整合到单一9B骨干，仅增加约0.1 GiB内存，并以微调后的指标对比现有重排器，为RAG架构选型提供具体参考。
作者发布 CaseCite，一套可自托管的私有法律 RAG 研究平台，宣称对标获 500M 融资的 Harvey。它可导入律所文档，以语义检索结合 BM25 重排序回答问题并附内联引用，也支持合同审查与对比、起草、判例、法官信息和法律工具检索。
推荐理由：项目同时交代功能范围、外部数据流、自托管部署与许可限制，可据此评估私有化法律 RAG 的数据边界和实施门槛。
元保集团近日入选2026巴伦中国价值榜单“中国行业先锋30强”，其AI应用已覆盖售前咨询、保单查询和售后理赔等十余类场景。截至2026年二季度末，其消费者全周期服务引擎拥有5100余个模型，可分析5900余个标签；智能客服采用RAG，医疗险理赔材料分类准确率为95%，关键字段提取平均准确率约为94%。
推荐理由：文章拆解了元保以RAG和多模态模型改造咨询、理赔流程的路径，并给出准确率与结案时长数据，便于对照保险中介的AI转型成效。
Survival LLM 是一款免费开源的本地 AI 应急助手，可离线回答食物保鲜、烧伤处理和净水问题，并为每个答案列出参考文章及高亮原文。应用会按电脑内存选择模型；在其早期资料库版本的22道断电与急救问题盲测中，NVIDIA Nemotron 3.5 Super答对21题，Qwen3.8 27B答对21题，IBM Granite 4.2 8B答对14题。
推荐理由：按设备内存比较不同模型的应急答题表现，并展示来源引用与安装成本，便于读者评估离线部署的实用取舍。
SoMark 团队正式开源 OXR 文档解析模型，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84、87.76 分，均居团队公布评测的第一。
推荐理由：三项基准与同条件速度测试并置，读者可据此评估 OXR 的解析精度、速度表现及与对照产品的相对位置。
pchristensen 在 AGNTCon 演讲中梳理了上下文工程向 harness 工程的演进，并指出上下文组装正从概率性模型调用转向确定性代码。文章将问题归纳为上下文污染、分心、混乱、冲突四类传统失效，以及模型受训练环境影响而不遵从指令、上下文惯性两类新问题，并提出上下文增强、工具装载、隔离、剪枝、卸载和摘要六类治理手段。
推荐理由：文章以失败模式和治理工具串联上下文工程演进，为智能体运行框架的设计与调试提供了一套可迁移的排查思路。
研究团队通过多基准和多模型骨干的大规模评测，发现许多专用记忆系统在许多情况下不如朴素 RAG，呈现出负的净价值。作者以 RAG 为参照，将净价值拆为记忆收益与记忆税，从系统与评测两侧分析其成因，并将该概念推广到更多记忆应用场景。作者表示将向社区开源代码和结果，项目页为 https://hexuan21.github.io/MemoryTax/。
推荐理由：论文以朴素 RAG 为参照，把专用记忆系统的收益与证据损失拆开衡量，并聚焦常被忽视的记忆税，为长时程智能体的记忆设计和评测提供分析框架。
Ai2 与 University of Pennsylvania 团队开发了 LitPivot，一套面向早期研究构思的系统，可围绕提案的问题、贡献和评测组织文献，并给出有论文摘录支撑的批评与修订建议。
推荐理由：LitPivot 将研究想法拆为问题、贡献和评测三个维度，并用 17 人实验检验文献支撑表现，为文献驱动的构思与修订流程提供交互设计参考。
一个 Show HN 项目用 AI 从 45k 封 Enron 邮件生成 wiki，并为每条事实附上引用来源。项目地址为 https://www.thisandthat.chat/enron/。
推荐理由：把45k封 Enron 邮件整理为每条事实均带引用的 AI wiki，呈现了邮件知识库构建与来源追溯的具体路径。
研究团队发现，Raw-RAG 在七组基准模型设置中的六组位居所比较系统首位，较最强智能体记忆系统高 0.13-5.53 分。该方法仅对未处理的对话历史做稠密检索和重排，并在 LoCoMo、LongMemEval、MEME 和 MemoryAgentBench 上评估。证据分析显示，较高的必要证据覆盖率可以抵消较低利用率；完整访问转换后的记忆存储，准确率仍低于原始证据方案。
推荐理由：这项研究用四个基准对比原始历史检索与复杂智能体记忆，量化了必要证据覆盖率与证据利用率之间的差异。
Amazon Quick Web 版是 HIPAA-eligible 服务，AWS 的实践指南演示了在 AWS Artifact 签署 BAA，并通过 AWS Management Console 配置处理 PHI 的 AI 工作流。
推荐理由：文章区分服务适用资格与整体合规，并拆解 PHI 的两条数据路径、共享责任和关键配置，形成可迁移的部署清单。
NVIDIA 扩展开源 NVIDIA Agent Toolkit，纳入 Agent Knowledge Foundation、OpenShell 安全运行时、NemoClaw 智能体蓝图及相关工具。
推荐理由：原文给出完整组件构成、企业接入方式、合作案例与检索性能数据，便于对照自身数据和治理条件评估集成范围。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中发布 DSX POD AI 工厂参考设计（部署周期从六个月压缩到 14 天）、OpenShell Reference Architecture 智能体安全架构。
推荐理由：黄仁勋在演讲中串联 AI 工厂、智能体安全、开源模型与具身智能，给出 NVIDIA 在欧洲市场的全栈路径与新产品布局。
DeepSeek 上线 Search API 和 Fetch API，为智能体和 RAG 应用提供实时网页内容获取能力，两接口均按成功请求计费，每 1000 次 $0.75，账户级 QPS 上限各为 5。
推荐理由：详细给出 Search 和 Fetch API 的接口字段、查询操作符、错误码与定价，可直接用于搭建智能体或 RAG 检索管道。
研究提出 Deep Fusion Memory（DFM），用因果记忆预测器生成 chunk 级参数记忆，并通过门控交叉注意力将其融入大语言模型的中间隐藏状态。训练时以语料检索到的 chunk 嵌入作为监督，在冻结骨干的条件下端到端训练预测与融合，推理时无需显式检索，构建训练数据所需的检索查询量和条目量分别少 32 times 和 2048 times。
推荐理由：论文将参数记忆预测与门控交叉注意力融入模型中间层，并给出相对现有方法的训练数据构建成本和问答性能对比。
Sygal 是一款本地运行的文档转 Markdown 工具，支持 PDF、Word、扫描件、网页、YouTube 链接等 29 种格式，输出 clean Markdown 与结构化 JSON。
推荐理由：本地完成 PDF 与扫描件到 Markdown 的转换，可直接接入 RAG pipeline，为不愿把敏感文件上传的处理流程提供替代方案。
AWS 官方博客给出基于 Amazon Bedrock AgentCore 自动生成 PowerPoint 演示文稿的完整教程，附带 GitHub 代码仓库可直接部署。
推荐理由：AWS 官方博客给出基于 AgentCore 的可复用架构与配套代码仓库，读者可以照搬到金融报告或销售提案等其他企业文档自动化场景。
JulianFlux 在 GitHub 开源了一套以物理场方程替代余弦相似度的向量检索框架，用 Lorentz Force 对嵌入做路由，并声称在 A/B 压测中实现 0.0% 幻觉率。
推荐理由：原文给出以物理场方程替代余弦相似度的检索框架及可运行代码，便于读者与现有向量库做架构层面的对比。