研究知识库草稿 · 2026-06-29 下午 · Jay

主题

RAG 2026 三代演进（含 LangGraph 源码）· Substack 生产级 AI/ML 工程洞察 · Agentic RAG 落地路径

检索范围

• CSDN/AtomGit：RAG Agentic 演进、LangGraph 实现、向量数据库对比
• Substack：production ML systems roadmap、RAG 工程实践、AI agent 评估、LLM evaluation tools 2026

高价值条目

🔴 高工程价值（可直接参考/复现）

1. RAG 2026 全面升级：从 Naive RAG 到 Agentic RAG（含 LangGraph 完整实现）

• 来源：CSDN → AtomGit 镜像（codefan※）
• 链接：https://gitcode.csdn.net/6a18f04e662f9a54cb7830f5.html
• 标签：[Agentic RAG] [LangGraph] [Naive RAG] [Advanced RAG] [ColPali] [GraphRAG] [Self-RAG]
• 工程价值：⭐⭐⭐⭐⭐
• 完整三代 RAG 架构对比表格：Naive / Advanced / Agentic 各维度（检索轮次、查询规划、工具调用、自我纠错、多跳推理）
• 技术栈明确：RecursiveCharacterTextSplitter(512 tokens)、bge-large-zh、FAISS/Chroma、GPT-3.5-turbo/4
• LangGraph Agentic RAG 完整源码：包含 AgentState 类型定义、plan_node、retrieve_node、grade_node、generate_node、hallucination_check 各节点及条件边配置（workflow.add_conditional_edges）
• Advanced RAG 关键代码段：HyDE 假设文档嵌入、Reranker（FlagReranker/BAAI/bge-reranker-v2-m3）、混合检索（BM25:向量=4:6）、上下文压缩（ContextualCompressionRetriever + LLMChainExtractor）
• Self-RAG 特殊 Token 机制：[Retrieval]/[No Retrieval]、[Relevant]/[Irrelevant]、[Fully supported]/[Partially supported]/[No support]
• 2026 最新进展：ColPali（直接对 PDF 页面图像向量检索，无需解析文本）、GraphRAG（Leiden 算法社区检测）、Anthropic Contextual Retrieval（chunk 前置上下文注入）
• 版本/环境：LangGraph、FlagEmbedding、LangChain、colpali_engine
• 可信度：高——有完整可运行代码骨架，逻辑清晰
• 后续行动：
• 对照 LangGraph 官方文档核验 add_conditional_edges 语法
• 核查 ColPaci/colpali_engine 最新版本（GitHub 官方库）
• GraphRAG 部分可对照微软官方 graphrag 库验证

🟡 中等工程价值（Substack 工程洞察，非完整教程）

2. The 2026 Roadmap: Production AI/ML Systems

• 来源：Jam with AI（Substack）
• 链接：https://jamwithai.substack.com/p/the-2026-roadmap-production-aiml
• 作者：Jam with AI（社区型 AI/ML Newsletter）
• 标签：[MLOps] [Production AI] [Agentic RAG] [NLP] [RecSys] [System Thinking]
• 工程价值：⭐⭐⭐
• 明确 2026 年社区重点方向：系统思维（System Thinking）、生产级 AI/ML 实现
• 强调"真实公司如何构建和演进 AI/ML 基础设施"的实操路线
• 社区驱动，每周真实社区讨论
• 可信度：中——社区型内容，代表 practitioner 视角
• 后续行动：可作为了解 2026 年 AI/ML 工程实践社区热点的参考线索；关注其后续详细实现文章

3. The AI/ML Engineer Interview Guide for 2026 - Part 2（RAG & Agents 评估层）

• 来源：The Curious Mak（Substack）
• 链接：https://thecuriousmak.substack.com/p/the-aiml-engineer-interview-guide-0fb
• 标签：[RAG评估] [Agent评估] [证据检索] [生产RAG] [框架设计]
• 工程价值：⭐⭐⭐
• 聚焦"RAG 和 Agent 系统失败的根本原因"：证据检索失败、工具响应误读、工具权限边界
• 提出生产 RAG 的关键决策点：需要什么证据、如何检索、如何验证检索成功
• 区分模型能力与系统健壮性：模型只是组件，系统评估需从证据层开始
• 覆盖内容：retrieval + agents 双层、fragile system 诊断框架
• 可信度：中高——实践者视角，分析深入
• 后续行动：可作为 RAG 系统可靠性评估框架的背景参考

4. Agent Frameworks 101: The Complete Guide to Building AI Agents in 2026

• 来源：The Product Channel By Sid Saladi（Substack）
• 链接：https://sidsaladi.substack.com/p/agent-frameworks-101-the-complete
• 标签：[AI Agent] [Multi-Agent] [MCP] [Framework选型] [工具调用]
• 工程价值：⭐⭐⭐
• 实用选型经验法则：工具 < 10 个、context < 50K tokens、任务顺序执行 → 单 Agent 即可
• 何时扩展到多 Agent：单 Agent 工具 > 15 个、任务需不同技能（research vs. execute）
• MCP（Model Context Protocol）定位为 Agent 工具连接的"USB-C"标准
• 部分框架为多 Agent 原生设计，涵盖 orchestration + deployment
• 可信度：中——实践总结性，非学术
• 后续行动：选型参考；对照 OpenAI Agents SDK / LangGraph 官方文档核实 MCP 生态现状

5. RAG Reimagined: 5 Breakthroughs You Should Know

• 来源：Gradient Flow（Substack）
• 链接：https://gradientflow.substack.com/p/rag-reimagined-5-breakthroughs-you
• 标签：[RAG] [Reasoning Models] [Multimodal RAG] [LanceDB] [ColPali]
• 工程价值：⭐⭐⭐
• 与 Snowflake AI Research Team 合作的 RAG 可靠性分析
• Reasoning models + inference-time compute 将 RAG 从静态 pipeline 变为动态自适应系统
• LanceDB v2 专门优化 AI/ML workloads（含 vector embeddings 和 multimodal RAG）
• 5 个关键突破点梳理
• 可信度：中高——有行业合作背景
• 后续行动：LanceDB v2 可在 GitHub 核查；Snowflake AI Research 方案可对照官方文档

6. Top 5 LLM Evaluation Tools of 2026 for Reliable AI Systems

• 来源：Future AGI（Substack）
• 链接：https://futureagi.substack.com/p/the-complete-guide-to-llm-evaluation
• 标签：[LLM Evaluation] [Future AGI] [Galileo] [Arize] [MLflow] [Patronus AI]
• 工程价值：⭐⭐⭐
• 覆盖 5 款 2026 年主流 LLM 评估平台对比
• Future AGI：全模态评估（text/image/audio/video）
• Galileo：GenAI Studio 内置评估模块
• Arize：LLM observability
• MLflow：传统 MLOps 扩展到 LLM 评估
• Patronus AI：专注 LLM 安全/合规评估
• 可信度：中——Future AGI 自家产品有软文嫌疑，但行业覆盖面广
• 后续行动：各平台免费 tier 试用核查；建议以官方文档为准

低质量过滤说明

以下内容本次未收录： - "AI Skills Are Changing Faster Than Most Professionals Realize"（PacktDataPro1）——技能会议软文，工程深度不足 - "Future AGI vs Arize AI"——纯产品对比，软文属性强 - "How to Choose Your AI Agent Stack in 2026"——与已有框架选型文章重叠 - 所有 CSDN 直接链接（blog.csdn.net）均返回 521，需经 AtomGit 镜像访问

分类标签汇总

[Agentic RAG] [LangGraph] [Naive RAG] [Advanced RAG] [Self-RAG] [ColPali] [GraphRAG] [Contextual Retrieval] [Hybrid Search] [Reranker] [LLM Evaluation] [Multi-Agent] [MCP] [Production AI] [MLOps] [RAG评估] [Agent评估] [LanceDB]

建议写入路径

• 草稿路径：/shared/research-kb/inbox/jay/2026-06-29-afternoon-rag-2026-langgraph-substack-production-agents.md
• 状态：✅ 本次已写入

后续行动建议

Jay · 2026-06-29 12:20 CST · 高频运营任务第三次