Weaviate Blog

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Learn how to use Engram effectively, from writing topic descriptions that control extraction to choosing bounded topics and scopes, selecting a retrieval mode, and placing memories in your prompt without hurting prompt-cache efficiency.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：4-bit Rotational Quantization in Weaviate 1.39: the SIMD performance work, a centered tier, scaling analysis and a TurboQuant comparison.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：HFresh is Weaviate's disk-based vector index for memory-efficient vector search, combining low heap usage with incremental background maintenance.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：PDFs full of charts and tables are notoriously hard to put through a traditional RAG pipeline. In this post, we show how late-interaction multi-vector retrieval lets you search PDFs by what the page looks like: no OCR, no chunking, no text extraction.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Weaviate 1.39 promotes the Boost API and MMR diversity selection to GA, previews 4-bit Rotational Quantization, and ships an experimental Search REST API.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Part 2: Why folders, tags, and keyword search break down in real creative workflows and what retrieval needs to do instead.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Introducing medium, high, and ultrahigh effort tiers to the Query Agent's Search Mode.

本文探讨了 AI 如何通过语义搜索和向量数据库解决创意工作流程中的检索问题，而非取代创意人员。作者认为，创意工作的主要摩擦在于组织、查找和复用已有资产，而 AI 作为基础设施层，可以提升现有工作的可访问性，减少重复劳动。

此版本将基于磁盘的矢量索引 HFresh 和内置 MCP 服务器正式发布，重新设计了集群范围的异步复制，并新增了 Boost API 和嵌套对象过滤两个预览功能。

大多数向量数据库的原型在数据导入环节失败，而非搜索。本文介绍了在 Weaviate 中大规模导入数据的最佳实践，包括服务端批处理、错误处理、数据类型选择、blobHash 的使用、多模态数据摄取以及避免常见陷阱。

Weaviate 宣布其云平台全面推出免费层级，包括托管数据库、Query Agent 和 Engram 记忆层，无需信用卡且无时间限制，让用户可以自由构建原型并长期使用。

Weaviate 宣布其专为智能体应用设计的托管记忆与上下文服务 Engram 正式上线。它通过异步管道、模板和内置作用域，解决了长上下文退化、原始数据混乱和多智能体上下文碎片化等问题，帮助智能体积累经验、优化决策。

本文介绍如何利用 Weaviate 内置的 MCP 服务器为编码助手（如 Claude Code、Cursor 和 VS Code）提供混合搜索能力，无需额外编写胶水代码。通过将代码库与文档分块并索引到 Weaviate，结合 BM25 精确匹配与向量语义检索，LLM 智能代理可以高效获取所需上下文，避免上下文过载与成本浪费。

一位研究人员认为，检索质量是RAG系统中最重要的因素，胜过模型大小或提示设计。检索差会导致难以检测的幻觉，文章识别了五种常见的失效模式，并提供了改进检索的实用建议，包括混合搜索、交叉编码器重排序和持续评估。

Weaviate v1.37 正式发布，带来多项预览功能：内置 MCP 服务器（与 AI 代理和 IDE 原生集成）、可扩展分词器（支持变音折叠与自定义停用词）、基于最大边际相关性（MMR）的多样性搜索、查询分析（按分片显示耗时）。此外还新增增量备份、Gemini 音频支持（multi2vec-google 模块）和 BlobHash 属性类型。

Engram 是 Weaviate 推出的托管内存服务，专为智能体应用设计，旨在提供简单易上手且高度可定制的记忆管理。它通过异步管道提取、整合并持久化记忆，支持主题、作用域和缓冲区等高级功能，助力智能体实现个性化与持续学习。

Weaviate Shared Cloud 在 AWS 美国东部和欧洲区域正式商用，为团队提供完全托管的 AI 原生数据库，支持在最适合的云提供商和区域进行构建。

通过两周在日常Claude Code会话中自用Engram（Weaviate的记忆产品），揭示了专用记忆产品的价值，以及当前与编程助手集成时的具体问题。

多模态嵌入使AI系统能够直接搜索和推理文本、图像、音频和视频，无需先转换为文本。本文介绍了其工作原理，并通过Weaviate和Gemini展示了三种实际实现。

Weaviate 托管型 .NET 客户端为 C# 开发者带来了类似 Entity Framework Core 的体验，通过属性驱动架构、类型安全查询和自动迁移，简化了向量数据库的使用。

本文通过虚构的MedVector Health公司案例，详细介绍了如何利用OIDC、RBAC、多租户隔离、审计日志和网络安全功能来保护Weaviate企业级部署，满足HIPAA、GDPR等合规要求。

本文介绍如何利用Weaviate的Query Agent和Agent Skills库，在短短36小时内构建一个生产就绪的端到端RAG应用，用于法律合同检索和问答。文章详细对比了传统RAG与智能代理搜索的差异，并提供了从数据摄入到前端部署的完整架构和步骤。