Weaviate 1.38 發佈
此版本將基於磁盤的矢量索引 HFresh 和內置 MCP 服務器正式發佈，重新設計了集羣範圍的異步複製，並新增了 Boost API 和嵌套對象過濾兩個預覽功能。
- HFresh 磁盤矢量索引正式可用，適用於流式工作負載
- MCP 服務器正式可用，支持 LLM 和 AI 代理直接與 Weaviate 交互
公開文章 14採集文章 17可信度 82刷新頻率 120 分鐘
健康狀態 健康來源類型 官方原文權限 官方原文最近入庫 2026-06-25ID weaviate-blog運行狀態 已啟用
Official vector database and AI infrastructure feed; confirm reuse terms before full body display.
最新公開文章
大規模使用 Weaviate 導入和向量化數據
大多數向量數據庫的原型在數據導入環節失敗，而非搜索。本文介紹了在 Weaviate 中大規模導入數據的最佳實踐，包括服務端批處理、錯誤處理、數據類型選擇、blobHash 的使用、多模態數據攝取以及避免常見陷阱。
- 使用服務端批處理（server-side batching）自動調節批次大小，避免手動調優
- 通過 deterministic UUID 實現重試冪等，避免重複工作和額外成本
Weaviate Cloud 現可免費開始使用
Weaviate 宣佈其雲平台全面推出免費層級，包括託管數據庫、Query Agent 和 Engram 記憶層，無需信用卡且無時間限制，讓用户可以自由構建原型並長期使用。
- Weaviate Cloud 現在整個產品套件都提供免費層級。
- 免費層級包括託管的 Weaviate 數據庫、Query Agent 和 Engram 記憶層。
Engram 現已正式發佈
Weaviate 宣佈其專為智能體應用設計的託管記憶與上下文服務 Engram 正式上線。它通過異步管道、模板和內置作用域，解決了長上下文退化、原始數據混亂和多智能體上下文碎片化等問題，幫助智能體積累經驗、優化決策。
- Engram 是 Weaviate 推出的託管記憶與上下文服務，現已正式可用。
- 旨在解決智能體在長期運行中面臨的長上下文退化、數據混亂和多智能體協調問題。
使用 Weaviate MCP 構建編碼助手：對代碼與文檔進行 RAG 檢索
本文介紹如何利用 Weaviate 內置的 MCP 服務器為編碼助手（如 Claude Code、Cursor 和 VS Code）提供混合搜索能力，無需額外編寫膠水代碼。通過將代碼庫與文檔分塊並索引到 Weaviate，結合 BM25 精確匹配與向量語義檢索，LLM 智能代理可以高效獲取所需上下文，避免上下文過載與成本浪費。
- LLM 訓練數據有截止期，且不瞭解私有代碼；直接粘貼代碼會導致上下文臃腫、成本高昂。
- Weaviate MCP 將 MCP 服務器內建於數據庫，通過 /v1/mcp 端點暴露混合搜索、集合管理等工具。
你的大語言模型（LLM）只取決於它檢索到的內容
一位研究人員認為，檢索質量是RAG系統中最重要的因素，勝過模型大小或提示設計。檢索差會導致難以檢測的幻覺，文章識別了五種常見的失效模式，並提供了改進檢索的實用建議，包括混合搜索、交叉編碼器重排序和持續評估。
- 檢索質量是RAG系統輸出可靠性的主要決定因素。
- 五種檢索失效模式：檢索漂移、上下文截斷、陳舊索引污染、低相關性top-k檢索以及智能體間溝通失誤。
Weaviate v1.37 發佈：內置 MCP 服務器、可擴展分詞器、多樣性搜索與查詢分析預覽
Weaviate v1.37 正式發佈，帶來多項預覽功能：內置 MCP 服務器（與 AI 代理和 IDE 原生集成）、可擴展分詞器（支持變音摺疊與自定義停用詞）、基於最大邊際相關性（MMR）的多樣性搜索、查詢分析（按分片顯示耗時）。此外還新增增量備份、Gemini 音頻支持（multi2vec-google 模塊）和 BlobHash 屬性類型。
- 內置 MCP 服務器預覽：允許 LLM 和 AI 代理通過標準協議直接與 Weaviate 交互，無需額外代碼。
- 可擴展分詞器預覽：支持變音摺疊、自定義停用詞預設，並提供 tokenize 端點用於調試。
Engram：由 Weaviate 提供支持的內存服務
Engram 是 Weaviate 推出的託管內存服務，專為智能體應用設計，旨在提供簡單易上手且高度可定製的記憶管理。它通過異步管道提取、整合並持久化記憶，支持主題、作用域和緩衝區等高級功能，助力智能體實現個性化與持續學習。
- Engram 提供託管內存服務，基於 Weaviate 向量數據庫構建。
- 支持異步管道處理，可自動提取、去重和更新記憶。
Weaviate Shared Cloud 現已在 AWS 上全面上市
Weaviate Shared Cloud 在 AWS 美國東部和歐洲區域正式商用，為團隊提供完全託管的 AI 原生數據庫，支持在最適合的雲提供商和區域進行構建。
- Weaviate Shared Cloud 現已在 AWS 美國東部（弗吉尼亞北部）和歐洲（法蘭克福）全面可用。
- 提供完全託管的集羣、自動升級、細粒度 RBAC、不可變備份以及 SOC 2/ISO 27001 認證。
記憶啊，你去哪兒了？
通過兩週在日常Claude Code會話中自用Engram（Weaviate的記憶產品），揭示了專用記憶產品的價值，以及當前與編程助手集成時的具體問題。
- Claude默認使用MEMORY.md而非外部工具，因為其零延遲、零工具調用、始終在上下文中。
- Engram通過主題結構化記憶，在決策追溯場景中效果顯著，但明確觸發條件才能發揮作用。
多模態嵌入與RAG：實用指南
多模態嵌入使AI系統能夠直接搜索和推理文本、圖像、音頻和視頻，無需先轉換為文本。本文介紹了其工作原理，並通過Weaviate和Gemini展示了三種實際實現。
- 多模態嵌入將不同模態映射到同一語義空間，實現跨模態檢索。
- 使用原生嵌入而非橋接方式可避免信息丟失，如音頻的音調、PDF的佈局等。
代碼即架構：Weaviate 託管型 C# 客户端
Weaviate 託管型 .NET 客户端為 C# 開發者帶來了類似 Entity Framework Core 的體驗，通過屬性驅動架構、類型安全查詢和自動遷移，簡化了向量數據庫的使用。
- 使用 C# 屬性定義集合架構，無需字符串配置
- 支持類型安全的 LINQ 風格向量搜索與混合搜索
使用Weaviate保護企業AI安全
本文通過虛構的MedVector Health公司案例，詳細介紹瞭如何利用OIDC、RBAC、多租户隔離、審計日誌和網絡安全功能來保護Weaviate企業級部署，滿足HIPAA、GDPR等合規要求。
- OIDC集成可將認證委託給現有身份提供商，消除共享API密鑰的安全風險。
- 基於角色的訪問控制（RBAC）支持集合級和租户級權限，實現最小權限原則。
在36小時內構建一個法律級RAG應用
本文介紹如何利用Weaviate的Query Agent和Agent Skills庫，在短短36小時內構建一個生產就緒的端到端RAG應用，用於法律合同檢索和問答。文章詳細對比了傳統RAG與智能代理搜索的差異，並提供了從數據攝入到前端部署的完整架構和步驟。
- 傳統RAG在法律領域缺乏推理能力，而代理搜索通過自主工作流實現精準檢索。
- 使用多向量模型和Muvera壓縮技術嵌入PDF頁面，保留佈局和表格信息。