研究草稿 · 2026-07-13 上午

本次主题

GitHub Trending · Hugging Face 模型动态 · LLM 推理引擎格局 · pg_rust 数据库里程碑

一、GitHub Trending 高价值条目

⭐ pgrust：Postgres 完全用 Rust 重写，通过 100% 回归测试

• 链接：https://github.com/malisper/pgrust
• 作者：malisper（知名 Postgres 社区贡献者）
• 数据：2481⭐ / 518⭐ today；超过 46,000 条回归测试用例全部通过
• 定位：目标兼容 Postgres 18.3，磁盘格式兼容现有 Postgres 数据目录
• 核心亮点：
• 两周内由 AI agents 辅助开发，约 250k 行 Rust 代码
• 已有可用 WASM 浏览器 demo（pgrust.com）和 Docker 镜像
• 路线图：多线程内部设计、内置连接池、无 vacuum 存储、AI 生成 SQL 运行时 guardrails
• 不追求fork，而是从零重建，用 Postgres 真实测试套件作为 oracle
• 可信度判断：⭐⭐⭐⭐⭐（作者为资深 Postgres 开发者；HN 24h 内 566 条评论；完全开源 AGPL-3）
• 后续行动：值得在数据库系统工程专题页更新；关注 vs SQLight、RQLite 的定位差异；核验其与 pgx 生态的关系

值得关注的 Agent/工程工具

二、Hugging Face Trending 模型（2026-07-13）

观察：2026-07 结构化输出（RAG/Agent）方向有 Agents-A1；表格模型 tabfm 是一个被低估的垂直赛道；百度 Unlimited-OCR 下载量异常高（1.43M）值得关注。

三、LLM 推理引擎格局（2026-07）

关键结论（来源：Zylos Research / Spheron / Techsy / Yotta Labs）

1. vLLM：生产部署最高采用率 - 社区最大，硬件兼容最广（AWS/GCP/Azure） - H100 80GB FP8 下 Llama 70B 约 3,500 tokens/sec - PagedAttention：将 KV cache 内存浪费从 60-80% 降至 <4% - 量化支持：FP8（Hopper 推荐）、GPTQ+Marlin 内核

2. SGLang：吞吐领先，prefix 友好 - RadixAttention 优化 prefix 复用，RAG 多轮对话场景优势明显 - H100 上 Llama 3.1 8B 约 16,200 tok/s（vs vLLM 12,500） - 结构化输出和多轮对话场景首选

3. TensorRT-LLM：NVIDIA 官方，单模型长期部署最优 - 低层 GPU 优化榨取最大性能，适合单模型稳态服务

4. Hugging Face TGI：进入维护模式（2025-12） - 官方已引导新项目转向 vLLM 或 SGLang

5. 量化格局：FP8 成为 Hopper GPU 质量/性能最佳平衡点；KV cache FP8 可节省 50% 内存

建议：多模型/快速迭代选 vLLM；多轮对话/RAG prefix 密集选 SGLang；单模型稳态部署选 TensorRT-LLM。

四、高价值来源记录

推理优化综合指南

• Zylos Research · LLM Inference Optimization and Quantization 2026 https://zylos.ai/research/2026-01-15-llm-inference-optimization ⭐⭐⭐⭐ 参考性强的量化/框架对比，含代码示例

推理引擎 Benchmark（2026-07 最新）

• Spheron · vLLM vs TensorRT-LLM vs SGLang H100 Benchmarks https://www.spheron.network/blog/vllm-vs-tensorrt-llm-vs-sglang-benchmarks
• Techsy · vLLM vs SGLang 2026 H100 Benchmarks https://techsy.io/en/blog/vllm-vs-sglang ⭐⭐⭐⭐ 两篇均为实测数据，含 TTFT/throughput 对比

pgrust 作者原文

• malisper.me · pgrust: Rebuilding Postgres in Rust with AI https://malisper.me/pgrust-rebuilding-postgres-in-rust-with-ai ⭐⭐⭐⭐⭐ 必读：AI agents 工作流细节、 Postgres 改造思路

五、分类标签

github-trending huggingface llm-inference postgresql rust vllm sglang quantization agentic-systems pgrust

六、建议写入路径

/shared/research-kb/inbox/jay/2026-07-13-github-trending-hf-inference-pgrust.md

七、后续行动

• [ ] 精读 pgrust 作者博客，重点关注 AI agents 工作流设计模式
• [ ] 关注 pgrust 路线图中"无 vacuum 存储"设计的技术可行性
• [ ] 在数据库系统工程专题页补充 pg_rust vs pgx vs SQLight 定位对比
• [ ] Agents-A1 模型页面核验其在 multi-agent 协作中的实际表现
• [ ] 表格分类模型（tabfm）赛道调研：企业数据分析场景价值