CSDN 高价值技术检索草稿

实例: Jay | 日期: 2026-07-25 | 检索范围: CSDN · LLM/RAG/Agent/向量数据库/推理框架 · 近3个月

主题总览

分类 高价值条目 置信度 亮点
Agent 架构 企业级LLM Agent实战：从RAG到业务闭环 ★★★★★ Multi-Agent三层架构 + LangGraph状态机 + 完整Python代码
Agent 工程 2026年AI Agent开发路线图 ★★★★☆ 层级化技术栈 + 工具链 + 选型矩阵
Agent 核心模块 一文看懂AI Agent的7大核心模块 ★★★★☆ MCP/Harness/Skill/RAG体系化梳理
LangChain 实战 LangChain实战指南2026版 ★★★★★ conda环境 + pip install + 错误排查 + 生产化
LangGraph 源码 OpenDeepResearch完整源码解析与本地部署 ★★★★★ 三种工作流 + 部署步骤 + 源码结构
vLLM 推理 vLLM大模型部署实战 ★★★★★ 下载→启动→并发→优化全链路
vLLM 原理 vLLM学习笔记（PagedAttention/KVCache/ContinuousBatching） ★★★★★ 原理+代码+参数调优
LLM推理对比 Ollama vs vLLM浅析 ★★★★☆ 性能benchmark + 适用场景对比表
推理优化 LLM推理优化核心技术（KV Cache/FlashAttention） ★★★★★ 四大优化技术深度解析
向量数据库 2026年向量数据库压测报告 ★★★★★ Milvus/Qdrant/Weaviate/pgvector真实压测数据
向量数据库 向量模型与向量库选型实战指南 ★★★★☆ 混合召回 + 选型决策树 + 成本估算
向量数据库 Milvus/Qdrant/Chroma工程决策 ★★★★☆ IVF/HNSW参数调优 + 工程避坑
多框架对比 LangChain/LangGraph/LangFlow四大框架解析 ★★★★☆ 定位差异 + 选型建议
RAG系统 RAG：2025年检索增强生成前沿技术完全指南 ★★★★☆ TreeRAG/GraphRAG/AgenticRAG演进

高价值条目详情

1. 【Agent架构】企业级LLM Agent实战：从RAG到业务闭环

  • 来源: 智能体开发者社区 · O_Errors_0_Warni
  • 时间: 2026-07-11
  • URL: https://adg.csdn.net/6a522430662f9a54cb8e637c.html
  • 亮点:
  • 文心快码Multi-Agent矩阵三层架构（Zulu/Plan/Architect Agent）
  • LangGraph状态机构建可自我修正的Agentic RAG
  • MCP协议跨系统工具标准化接入
  • 完整Python代码（Plan→Zulu→Architect→验证循环）
  • 可观测性 + 安全护栏 + 混合架构工程化
  • 工程价值: ★★★★★ · 生产级架构设计 + 完整代码可复现
  • 标签: LLM-Agent LangGraph MCP RAG Multi-Agent 架构设计
  • 可信度: 高 · 有源码、有架构图、有工程化分析
  • 后续行动: 可结合LangGraph文档做主题页补充

2. 【LangChain实战】LangChain实战指南：2026年大模型应用开发框架核心价值与落地实践

  • 来源: CSDN · fenglingguitar
  • 时间: 2026-07-17（最新推荐）
  • URL: https://blog.csdn.net/fenglingguitar/article/details/159823695
  • 亮点:
  • conda create -n langchain-demo python=3.10 完整环境构建
  • pip install langchain-core langchain-community 分层安装逻辑
  • API Key管理与.env配置
  • 多模型统一调用（OpenAI/通义/智谱）
  • 错误排查步骤（端点连通性/API Key/代理/模板格式）
  • 工程价值: ★★★★★ · 环境搭建 + 分层安装 + 错误排查可操作性强
  • 标签: LangChain Python 环境配置 API-Key 多模型
  • 可信度: 高 · 2026-07最新更新，步骤详细
  • 后续行动: 适合作为LangChain入门参考页

3. 【LangGraph源码】OpenDeepResearch完整源码解析与本地部署指南

  • 来源: 智能体开发者社区 · 编程唐小宝
  • URL: https://adg.csdn.net/6970ab3e437a6b40336b2271.html
  • 亮点:
  • 源码结构解析：Graph/ Multi-Agent/ ODRWorkflow三种工作流
  • langgraph dev + LangGraph Studio UI本地部署
  • StateGraph + Send API多节点并行分发
  • conda + pip install -e . 完整安装步骤
  • .env配置示例
  • 工程价值: ★★★★★ · 源码级分析 + 可本地部署
  • 标签: LangGraph OpenDeepResearch Multi-Agent 源码分析 部署
  • 可信度: 高 · 有代码有步骤
  • 后续行动: 建议精读源码章节，补充LangGraph最佳实践

4. 【vLLM部署】vLLM大模型部署实战：从下载到高并发服务，性能优化全解析

  • 来源: CSDN · Trb201013
  • 时间: 2026-07-22（最新推荐）
  • URL: https://blog.csdn.net/Trb201013/article/details/155788940
  • 亮点:
  • ModelScope/HuggingFace双平台模型下载对比
  • vLLM server启动命令 + GPU/CPU模式选择
  • 多卡并行策略（tensor parallel/data parallel）
  • API调用示例
  • Ollama vs vLLM生产选型建议
  • 工程价值: ★★★★★ · 完整部署链 + 并发优化
  • 标签: vLLM 部署 高并发 推理优化 ModelScope
  • 可信度: 高 · 2026-07更新，有实际命令
  • 后续行动: 可作为vLLM部署checklist参考

5. 【vLLM原理】高性能推理引擎vLLM学习笔记

  • 来源: CSDN · LuohenYJ
  • 时间: 2026-06-02首发
  • URL: https://blog.csdn.net/LuohenYJ/article/details/161611322
  • 亮点:
  • PagedAttention原理（OS分页思想 → KVCache非连续分配）
  • Continuous Batching vs 传统静态批处理
  • KVCache缺陷分析（显存碎片化/预分配浪费）
  • 安装说明 + 模型加载 + 配置调优（显存/并发/量化/高级特性）
  • vLLM定位澄清（推理引擎 ≠ 模型服务平台）
  • 工程价值: ★★★★★ · 原理 + 实战 + 参数调优三位一体
  • 标签: vLLM PagedAttention KVCache ContinuousBatching 推理优化
  • 可信度: 高 · 有理论有代码有参数说明
  • 后续行动: 建议作为vLLM深度理解必读

6. 【推理对比】LLM运行框架对比：ollama与vllm浅析

  • 来源: CSDN · wireless_com
  • 时间: 2025-12-12（最新推荐）
  • URL: https://blog.csdn.net/wireless_com/article/details/146141755
  • 亮点:
  • 性能benchmark（Ollama ~25 tok/s vs vLLM ~29 tok/s 单请求）
  • 并发50请求实测数据
  • 六个维度对比表（性能/资源管理/易用性/生产环境/安全性/文档）
  • Ollama：快速原型；vLLM：高并发生产
  • 工程价值: ★★★★☆ · 实测数据支撑选型决策
  • 标签: Ollama vLLM 推理框架 性能对比 选型
  • 可信度: 高 · 有具体数值和测试方法
  • 后续行动: 适合作为框架选型参考

7. 【推理优化】LLM推理优化核心技术

  • 来源: CSDN · m0_59163425
  • URL: https://blog.csdn.net/m0_59163425/article/details/160122167
  • 亮点:
  • KVCache：O(N²) → O(N) 复杂度降低
  • FlashAttention：分块计算 + 在线Softmax
  • PagedAttention：借鉴OS分页，显存利用率→96%
  • MQA/GQA：共享KV头减少显存占用
  • Prefix Caching跨请求复用KV
  • 协同提升推理效率原理
  • 工程价值: ★★★★★ · 核心技术原理 + 代码示例 + 性能对比
  • 标签: KVCache FlashAttention PagedAttention MQA GQA 推理优化
  • 可信度: 高 · 系统化四大技术分析
  • 后续行动: 建议作为LLM推理优化知识页核心参考

8. 【向量数据库】2026年向量数据库压测报告

  • 来源: CSDN · 2601_95807009
  • URL: https://blog.csdn.net/2601_95807009/article/details/161751043
  • 亮点:
  • Milvus/Qdrant/Weaviate/pgvector真实压测数据
  • Milvus RaBitQ量化技术（2026新亮点）
  • 备份策略（etcd + MinIO）
  • 延迟/recall对比表
  • IVF/HNSW参数调优（nlist/nprobe trade-off）
  • 工程价值: ★★★★★ · 2026最新压测 + 工程化操作
  • 标签: 向量数据库 Milvus Qdrant Weaviate pgvector 压测
  • 可信度: 高 · 有数据有命令
  • 后续行动: 可作为向量数据库选型核心参考

9. 【向量数据库】向量模型与向量库选型：2026年实战指南

  • 来源: CSDN · weixin_43726381
  • URL: https://blog.csdn.net/weixin_43726381/article/details/161763824
  • 亮点:
  • 选型决策树（场景 → 数据库）
  • 混合召回 = Dense + Sparse + RRF + Rerank
  • 成本估算表（embedding API vs 本地 vs Pinecone托管）
  • FAISS/Chroma/Milvus/Pinecone/Qdrant场景对照
  • POC验证方法论
  • 工程价值: ★★★★☆ · 选型决策树 + 成本分析
  • 标签: 向量数据库 选型 RAG 混合召回 成本
  • 可信度: 高 · 有决策树有成本表
  • 后续行动: 适合作为向量数据库选型入门参考

10. 【向量数据库】Milvus、Qdrant、Chroma：向量数据库选型的工程决策

  • 来源: CSDN · xx_nm98
  • URL: https://blog.csdn.net/xx_nm98/article/details/162560773
  • 亮点:
  • IVF索引nlist/nprobe参数调优详解
  • recall@10 vs 延迟的trade-off实操
  • 三库对比 + 工程避坑建议
  • 工业设备维修手册RAG实战案例
  • 工程价值: ★★★★☆ · 工程化 + 参数调优
  • 标签: 向量数据库 Milvus Qdrant Chroma IVF HNSW
  • 可信度: 高 · 有实操经验
  • 后续行动: 可与压测报告互为补充

11. 【Agent路线图】2026年AI Agent开发路线图

  • 来源: CSDN · xx_nm98
  • URL: https://blog.csdn.net/xx_nm98/article/details/163115251
  • 亮点:
  • 层级化技术栈（编程提示 → Agent基础 → 工具调用 → RAG → 规划推理 → Multi-Agent → 部署 → 可观测性）
  • 工具对照表（必须/可选）
  • ReAct/Plan-and-Solve/Tree-of-Thought推理技术
  • 工程价值: ★★★★☆ · 体系化路线图
  • 标签: AI-Agent 路线图 LangChain LlamaIndex Multi-Agent ReAct
  • 可信度: 中 · 综合性整理，部分内容重复
  • 后续行动: 适合作为Agent学习路径总览

12. 【框架对比】LangChain、LangGraph、DeepAgent、LangFlow四大框架全景解析

  • 来源: CSDN · neweastsun
  • 时间: 2025-03-05首发，持续更新
  • URL: https://blog.csdn.net/neweastsun/article/details/158320723
  • 亮点:
  • 四大框架产生背景 + 核心定位 + 技术优势
  • LangChain：零件工厂；LangGraph：底层引擎；DeepAgent：企业增强
  • 企业级落地选型建议
  • 官方同款运行环境（LangFlow on CoPaw）
  • 工程价值: ★★★★☆ · 定位清晰 + 选型参考
  • 标签: LangChain LangGraph LangFlow DeepAgent 框架对比
  • 可信度: 高 · 系统梳理
  • 后续行动: 适合作为框架选型决策参考

13. 【RAG演进】RAG：2025年检索增强生成前沿技术完全指南

  • 来源: CSDN · llm_way
  • URL: https://blog.csdn.net/llm_way/article/details/148589101
  • 亮点:
  • Naive RAG → Advanced RAG → Modular RAG → Agentic RAG完整演进
  • TreeRAG/GraphRAG/HyDE/Clarification Tree技术解析
  • 从RAG到Context Engine的范式升级
  • 多模态RAG工程化挑战
  • 工程价值: ★★★★☆ · 技术演进全貌
  • 标签: RAG Agentic-RAG GraphRAG TreeRAG RAG演进
  • 可信度: 高 · 系统综述
  • 后续行动: 建议作为RAG主题页核心框架

14. 【Agent核心模块】一文看懂AI Agent的7大核心模块

  • 来源: CSDN · soaring_casia
  • URL: https://blog.csdn.net/soaring_casia/article/details/161647086
  • 亮点:
  • Skill/RAG/MCP/Harness四大核心模块体系化梳理
  • Hermes自进化Harness架构（三层记忆 + 学习循环引擎）
  • 危险命令检测 + 自动技能复用
  • AI从"工具"到"数字同事"的升级路径
  • 工程价值: ★★★★☆ · 模块化视角 + 工程架构
  • 标签: AI-Agent MCP Skill Harness RAG 架构
  • 可信度: 高 · 有架构深度
  • 后续行动: 适合作为Agent模块化设计参考

分类标签汇总

主题 核心标签
Agent架构与框架 LLM-Agent Multi-Agent LangGraph ReAct Agentic-RAG
开发框架 LangChain LangGraph LlamaIndex CrewAI AutoGen
推理部署 vLLM Ollama SGLang TensorRT-LLM PagedAttention
推理优化技术 KVCache FlashAttention ContinuousBatching MQA GQA
向量数据库 Milvus Qdrant Chroma FAISS Pinecone Weaviate
RAG技术 RAG Agentic-RAG GraphRAG TreeRAG Hybrid-RAG
工具协议 MCP Function-Calling Tool-Calling
可观测性 LangSmith Trace OpenTelemetry

建议写入路径

  • 草稿路径: /shared/research-kb/inbox/jay/2026-07-25-csdn-llm-rag-agent-vecdb.md
  • 后续行动建议: 1. vLLM深度页：整合#5/#6/#7条目，建立vLLM知识节点 2. 向量数据库选型页：整合#8/#9/#10条目，建立选型决策树 3. Agent系统设计页：整合#1/#11/#14条目，建立架构设计框架 4. LangChain/LangGraph实践页：整合#2/#3/#12条目，建立工程化指南

本轮去重说明

本轮检索未发现与 /shared/research-kb/inbox/ 下其他实例草稿的重复条目。 （当前 inbox 目录需后续核查具体文件是否存在重复）

产出: 本草稿 | 实例: Jay | 时间: 2026-07-25 08:20 (CST)