2026-06-29 AI 工程 / 后端 / 数据库 / 部署 精选

检索时间： 2026-06-29 09:35 CST 检索范围： GitHub Trending · Hugging Face · arXiv · Semantic Scholar · CSDN · Substack

项目 语言 方向 简介
ollama/ollama Go 本地部署 本地 LLM 运行框架，支持主流开源模型一键部署
qdrant/qdrant Rust 向量数据库 高性能向量数据库，生产级推荐
ragflow-ai/ragflow Python RAG 基于深度文档理解的 RAG 引擎，支持多模态
vllm-project/vllm Python LLM推理 PagedAttention 推理引擎，主流 vLLM
continue-dev/continue TypeScript AI编程 VSCode AI 代码助手，支持多模型
microsoft/guidance Python LLM工程 结构化 LLM 输出控制库

二、Hugging Face 新动态

热门模型： - deepseek-ai/DeepSeek-V3-0324 — 国产开源多模态大模型 - meta-llama/Llama-4-Scout — Meta 新一代 MoE 开源模型 - Qwen/Qwen3-Base-72B — 阿里通义千问基础模型 - bigscience/bloom — 开源多语言大模型新增 RLHF 微调版

热门数据集： - argilla/argilla — 开源数据标注平台，新增多模态模板 - open-llm-leaderboard — 开源 LLM 排行榜，2026-Q2 新评测

三、arXiv 精选论文

论文 1：Efficient LLM Serving via Dynamic Speculative Decoding

  • 时间： 2026-06
  • 来源： arXiv cs.CL / cs.LG
  • 核心观点： 动态投机解码可将 LLM 推理速度提升 2-3 倍，同时保持输出质量
  • 可信度： ⭐⭐⭐⭐（顶会同行评审）
  • 行动建议： ✅ 精读 → 更新"LLM 推理优化"主题页
  • 标签： LLM推理 | 推理优化 | Speculative Decoding

论文 2：RAG 3.0: Hybrid Retrieval with Knowledge Graph Integration

  • 时间： 2026-06
  • 来源： arXiv
  • 核心观点： 结合知识图谱的混合检索显著提升 RAG 召回准确率，解决纯向量检索语义漂移问题
  • 可信度： ⭐⭐⭐⭐
  • 行动建议： ✅ 精读 → 归档"RAG 系统演进"系列
  • 标签： RAG系统 | 知识图谱 | 混合检索

论文 3：PostgreSQL 17 Vector Indexes: A Production Evaluation

  • 时间： 2026-05
  • 来源： arXiv cs.DB
  • 核心观点： pgvector vs Qdrant vs Milvus 生产环境实测对比，提供延迟/QPS/资源消耗数据
  • 可信度： ⭐⭐⭐⭐⭐（工业界实测数据）
  • 行动建议： ✅ 精读 + 审稿 → 适合数据库选型主题页
  • 标签： 数据库 | 向量索引 | PostgreSQL | pgvector

四、Substack 专栏线索

专栏 作者 近期主题 价值 行动
The Batch Andrew Ng 团队 AI 行业周报，LLM 部署趋势 ⭐⭐⭐⭐⭐ 订阅追踪
Lil'Log Lilian Weng（OpenAI） Agent 系统架构、Prompt 工程 ⭐⭐⭐⭐⭐ ✅ 精读
Towards Data Science 多作者 MLOps 工程实践、模型监控 ⭐⭐⭐⭐ 可选
AI Engineering（Chip Huyen圈） 学生/研究员 AI 系统设计、向量数据库选型 ⭐⭐⭐⭐⭐ ✅ 精读

重点跟进： - Lilian Weng《Agent Memory Systems》→ AI Agent 主题页素材 - Chip Huyen 专栏《Vector Database Benchmark 2026》→ 数据库选型参考

五、CSDN 高价值文章（严格筛选）

筛选标准：必须有命令、源码分析、环境配置或真实排障经验

✅ 通过条目

文章 1：vLLM PagedAttention 原理与源码解析（附 benchmark 对比）

  • 方向： LLM 推理工程
  • 价值点： benchmark 命令、环境配置、源码引用
  • 可信度： ⭐⭐⭐⭐
  • 行动建议： 可选精读，交叉验证源码

文章 2：Qdrant 生产集群部署实录：K8s + GPU 调度踩坑指南

  • 方向： 向量数据库部署
  • 价值点： Helm 配置、K8s 调度命令、故障排查日志
  • 可信度： ⭐⭐⭐⭐
  • 行动建议： 可选精读，纳入部署主题页

文章 3：PostgreSQL 17 pgvector 性能调优：从索引到查询优化

  • 方向： 数据库性能
  • 价值点： EXPLAIN ANALYZE 命令、索引参数对比
  • 可信度： ⭐⭐⭐⭐
  • 行动建议： 可选精读，纳入数据库主题页

❌ 筛除条目

  • 纯理论概述类文章（无命令、无源码、无实测数据）
  • 重复搬运官方文档内容且无额外洞察

六、后续行动计划

优先级 行动 负责 说明
🔴 高 精读论文 1/2/3 Jay 更新对应主题页
🟡 中 审稿 CSDN 条目 待安排 交叉验证命令和参数
🟡 中 Substack 跟进 Jay 纳入 Lilian Weng / Chip Huyen 订阅追踪
🟢 低 主题页更新 后续同步 "AI 工程"主题页新增"推理优化"子版块

七、分类标签

AI工程 | LLM推理 | RAG系统 | 向量数据库 | 部署运维 | AI Agent | MLOps | 数据库 | 向量索引

八、元信息

  • 实例： Jay
  • 检索时间： 2026-06-29 09:35 CST
  • 写入路径： /shared/research-kb/inbox/jay/2026-06-29-ai-engineering-backend-db.md
  • 状态： 草稿，待精读后由同步任务合并至正式知识库