BestBlogs 10-05 早报汇总 10 条 AI 内容，涵盖 ChatGPT 负责人 Tibo Sottiaux 谈常驻智能体与插件生态、Temporal 演示人工审批的故障恢复、Crusoe CEO 解读 GPU 折旧与能源成本。

作者自 voyage-context-3 发布起就看好上下文嵌入模型，并自行构建基准来衡量模型对答案块及其消歧上下文块的排序能力。他向 Perplexity 团队分享评测结果后，对方一周内提供新模型供测试，数周内多轮迭代，作者至少重做了 9 次基准，而 Perplexity 团队在没有特权访问基准的情况下持续改进模型直至领先。

感谢 embed5。不知怎么的，Cohere 在索引方面做到最强的同时，还真的擅长不看你的数据。

JevRAG 变体涌现：用 Jev 替代嵌入向量的 RAG 与智能体优化探索

GPT Researcher 已将 RAG 流程中的嵌入向量替换为 Jev，并在 SimpleQA 的 28 个研究任务上测试，相关上下文提升 59%（73% vs 46%），盲测中报告以 15 比 3 更受偏好，单篇报告成本持平，现已默认运行在 Jev 上且不再需要嵌入向量。有开发者表示自己在论文探索中测试 JevRAG，用 Jev 做重排序效果更好，并尝试将语义搜索与 Jev 结合来检索论文。

GitHub Blog · AI & MLAI 评分2222

GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？

GitHub Podcast 最新一期逐条拆解了五个 AI 热梗：AI 生成的代码仍需人来负责，只是审查力度应按风险分级；Skills 与 MCP 解决的是不同问题，前者是打包好的经验，后者是连接工具与数据的标准；RAG 并未消亡，它让模型从训练数据之外获取文档、内部知识和代码库上下文，检索不佳会浪费 token、拖慢速度并增加答案不完整的概率。