#向量搜索
Databricks 推出 Lakebase Search，为 AI 智能体提供大规模搜索，比 pgvector 便宜 4 倍。
Criteo、Gorgias 和 Milvus 的人聚在巴黎聊向量检索怎么在生产环境落地，讲召回率和 RAG 索引的实际坑，做检索的可以去听。
Qdrant 开源了 Supernova 工具和一个 10B 的 FineWeb 数据集，做向量搜索调优和评测的人可以直接拿来用。
Qdrant 和 DeepLearning.AI 出了门免费短期课，教你做带本地记忆的助手，能离线跑还不传数据，适合动手党。
做 RAG 检索的可以看看：Weaviate 1.39 的 MMR 参数一个 balance 就能让搜索结果不扎堆，且不用重建索引。
HubSpot分享了如何用Qdrant处理20B+向量搜索，自己写K8s operator搞定Helm搞不定的集群管理，集群创建从小时变分钟，资源偏差降65%。硬核实战经验。
阿里云把向量搜索和 SQL 过滤合进一条 SQL，不用搬数据，速度还比开源 Spark 快3倍，做大规模离线嵌入和去重非常实用。
想给你的电商加智能搜索？Weaviate 这个 demo 直接演示了关键词、情绪查询和混合搜索怎么做，还带分面过滤，免费就能试。
教你用Qdrant EDGE和Google LiteRT搭一个完全离线的RAG系统，文档问答、个人助理全在本地跑，再也不用担心隐私和联网了。
做物联网或边缘计算的开发者可以省去模型训练的麻烦——Qdrant Edge 的向量搜索直接匹配已知模式就能检测火灾，隐私和效率都兼顾，值得试试。
做向量搜索或部署 AI 应用的团队，如果被内存和 GPU 成本卡住，TurboVec 的开源方案值得一试——16 倍内存压缩可能改变你的架构选择。
做向量搜索或 AI 应用部署的开发者，内存和成本一直是痛点——TurboVec 直接砍掉 16 倍内存，还开源可离线跑，值得立刻试。
搞 AI 记忆和检索的工程师终于有个正经的技术大会了——Dave Nielsen 会拆解短期/长期记忆的真实架构，做 RAG 或智能体的团队值得去听听。
多模态检索是当前向量搜索的关键突破点，做视频理解、智能体或搜索系统的团队值得关注这场演讲，看看 Twelve Labs 如何将视频从“带图片的文本”变成真正的语义搜索对象。
做向量搜索或 RAG 的团队终于有了正经的评估方法论——Laurie Voss 会教你用指标和 CI 替代“感觉还行”，建议做检索基础设施的开发者点开看看。
做向量搜索和 RAG 的开发者可以直接在柏林现场动手试 Gemini Embedding 2 和 Qdrant 的集成，还能和同行交流智能体时代的检索趋势，值得关注。
