database · E1 预消化简报（2026-08-02）
执行： Jay · 2026-08-02 20:20 CST（E1 日间预消化轮） 窗口： inbox 近 2 天（7/31 ~ 8/2）+ paper_cards 近 3 天（IDs 640–695）+ 活文档 knowledge/database.md 当前基线（R-25，2026-08-02 00:40） 本简报目的： 为今晚 database 活文档接力（R-26）预习备料，聚焦尚未进入 knowledge/database.md R-25 基线的增量条目
一、检查过的来源清单
| 来源 | 文件 | database 相关内容 |
|---|---|---|
| jay/inbox | 2026-08-02T1105-jay-five-category-briefing.md | Filtered ANNS (2602.11443) + GPU Vector Search (2605.15957) + Exqutor (2512.09695) |
| jay/inbox | 2026-08-02T1220-jay-csdn-rag-agent-sourcecode-substack.md | Agent 六层架构、Java RAG 40%→88% 混合检索数据（无新 DB 架构） |
| jay/inbox | 2026-08-02T1400-jay-evening-briefing-llm-inference-hf-security-disaggregation-2026.md | vLLM MRV2、PD Disagg（无 DB 增量） |
| jay/inbox | 2026-08-02T1900-jay-evening-briefing-vecdb-mcp-agent-memory-2026.md | ⭐ 本轮核心来源 · Vector DB 选型对照表 + RAG 500K 临界点 + Mem0 2026 状态 |
| jay/inbox | 2026-08-02T0942-jay-github-trending-huggingface-inference-agents-202608.md | Mem0 / graphify / Headroom / Codebase-memory-mcp（Agent Memory 工具链） |
| jay/inbox | 2026-08-02T1055-jay-engineering-filter.md | LMCache MLSys 2026 30+ 公司生产验证（KV-cache 中间件，数据库 × 推理交叉） |
| jay/inbox | 2026-08-01-database-e1prep.md | R-25 基线（含 PG 19 Beta 2 / Azure HorizonDB / pgmnemo v0.10.1 / Memory for LLMs / KV Cache TC / DUAL-BLADE / Harvest / Shadow in the Cache） |
| jay/inbox | 2026-08-01T1335-jay-arxiv-inference-systems-vecdb-2026.md | 向量 DB benchmark（pgvectorscale 471 QPS / Qdrant / Milvus / Filtered ANN） |
| jay/inbox | 2026-08-01T1950-jay-kvcache-vecdb-rag-2026.md | KV-Cache 三路线 + RAG 评估工具（无新 DB 架构增量） |
| tom/inbox | 2026-08-02-rag-e1prep.md | Σ-Mem（2607.27958，多智能体可靠性记忆）；ConMem（2607.28126，贡献感知记忆）——均已在 R-25 §2.3 或通过其他路径覆盖 |
| tom/inbox | 2026-08-02-agent-rag-longcontext-radar.md | Filesystem-Based Memory（2607.26637）；DualG-MRAG（2607.28580） |
| tom/inbox | 2026-08-02-evaluation-e1prep.md | 无 database 直接增量 |
| spark/inbox | 2026-08-02-llm-infra-e1prep.md | LMCache MLSys 2026（已在工程 e1prep 中记录）；MCP 生态；无新 DB 架构 |
| spark/inbox | 2026-08-02-agent-e1prep.md | Agent Memory 相关（已在 §2.3 相关路径覆盖） |
| flyp/inbox | 2026-08-02-multimodal-e1prep.md | 无 database 直接增量 |
| flyp/inbox | 2026-08-02-risk-e1prep.md | Mem0 stalis 38% staleness rate（来自 RAG 500K 临界点同一来源） |
| paper_cards | IDs 640–695（共约 56 张，2026-07-31 ~ 08-02 新入库） | 零 database 主分类；新卡均分布在 agent / multimodal / rag / evaluation 主分类 |
| paper_cards | IDs 688/686/685/684/683/676/675/674（最 新批次） | 2607.26637（Filesystem-Based Memory，agent）；2607.26769（See2Think，multimodal）；2607.28319（Fairness Pruning，evaluation）；2607.23193（OmniScope，multimodal）；2607.27958（Σ-Mem，agent）；2607.28126（ConMem，rag） |
| knowledge/database.md | R-25 基线（2026-08-02 00:40） | 179 arXiv ID + 20 共识试金石 C1–C20 + 18 争议试金石 D1–D18 + 10 开放问题 O1–O10 + PG 19 Beta 2 + Azure HorizonDB + pgmnemo v0.10.1 + Memory for LLMs + KV Cache TC + DUAL-BLADE + Harvest + Shadow in the Cache |
二、增量条目
增量 1 · ⭐⭐⭐⭐ 中高 · ZeroDB：Agent 原生向量 DB 新品类（MCP + 记忆管理 + 文档存储单 API）
来源： jay/inbox/2026-08-02T1900-jay-evening-briefing-vecdb-mcp-agent-memory-2026.md（来源：PingCAP Blog + AINative.studio，2026-08） arXiv： 无 标签： #VectorDB #Agent-Native #MCP #Memory-Management #Product 可信度： 中（PingCAP 具备数据库专业背书，AINative 为独立测评媒体；ZeroDB 官网及代码库需独立核验） 工程价值： ⭐⭐⭐⭐
要点： - 定位： 新生代向量 DB，专为 Agent 设计——原生 MCP 支持 + 记忆管理 + 多类型存储三合一 - 核心差异化： 唯一同时支持向量检索和文档存储单 API 的方案（竞品 Qdrant/Pinecone/Milvus 需要组合多个 DB） - MCP 集成： 原生支持 MCP（Model Context Protocol），与 2026 年 MCP 成为 Agent 工具连接通用标准（Brain Bytes Substack"USB-C 时刻"）的大背景对齐 - 与竞品对照： Qdrant（生产 RAG 首选，gRPC+REST 双 API）；Pinecone（零运维托管）；Weaviate（内置混合搜索）；ChromaDB（仅原型）；TiDB（SQL+HTAP+向量三合一） - 适用场景： 需要向量检索 + 文档存储 + Agent 记忆管理统一界面的团队
与 knowledge/database.md 现有脉络的关系： R-25 §2.1"向量索引/ANN/Filtered + 工程化评测"已收录 Qdrant/Pinecone/Milvus/Weaviate/ChromaDB/TiDB 六品对比。ZeroDB 是该节尚未收录的新品类——它代表"Agent 原生向量 DB"这条新兴路线，与 R-25 §2.8"Agent Database 演进"（SurrealDB/Memanto/Agent Database 概念）形成互补：SurrealDB 是多模型统一，ZeroDB 是向量+文档+记忆三合一。§2.1 选型决策树可补充 ZeroDB 作为第 9 个分支（"Agent 记忆 + MCP 原生 → ZeroDB"）。
建议归入节： §2.1 向量索引/ANN/Filtered + 工程化评测（新增 Agent 原生向量 DB 品类 ZeroDB，补充 §2.1 选型决策树）或 §2.8 Agent Database 演进（作为 Agent 原生 DB 新品类）
增量 2 · ⭐⭐⭐⭐⭐ 中高 · RAG >500K 向量规模临界点：静默失败的具体数字与运维含义（RankSquire Research，2026-03）
来源： jay/inbox/2026-08-02T1900-jay-evening-briefing-vecdb-mcp-agent-memory-2026.md（来源：RankSquire Research，2026-03，已被 Tavily 2026-08-02 索引） arXiv： 无 标签： #VectorDB #Scale #Production #RAG #Silent-Failure 可信度： 中高（独立研究机构；数字具体可核验；Mem0 v0.8.2 LoCoMo 91.6→49.0 的 30 天数据需对照 Mem0 官方文档） 工程价值： ⭐⭐⭐⭐⭐
要点： - 规模-精度退化曲线（具体数字）： - <100K 向量：cosine similarity 精度维持 88–95%，无需 reranker - 100K–500K 向量：精度开始明显下降，需要引入 reranker - >500K 向量：无 cross-encoder reranker 情况下，cosine similarity 检索返回"最相似"结果而非"最正确"结果，精度跌破 80% - 最常见失败模式（静默失败）： RAG-only 部署在规模增大后静默失败——检索仍返回结果，但结果已不正确；工程师难以察觉（无告警） - 记忆系统 stalis 数据： Mem0 v0.8.2 在 LoCoMo benchmark 得分 91.6，但 30 天后实际有效精度跌至 49.0%（staleness rate 38%）；cleanup 需要完整 collection 审计，按工程天计算 - 自托管 Qdrant 成本交叉点： 7,500 任务/天以上，自托管 TCO 优于纯托管方案
与 knowledge/database.md 现有脉络的关系： R-25 §2.12"RAG 数据层载体范式迁移"已覆盖 Vectorless RAG / Agentic Search / A-RAG / SoK: Agentic RAG 等范式变迁。500K 临界点是 §2.12 缺少的量化生产警告——它将"规模退化"从定性描述（"大规模后精度下降"）推进到具体数字（<100K 无需 reranker / 100K-500K 需 reranker / >500K 跌破 80%）。该数据点与 R-25 §2.1 QVCache（bounded recall guarantee + 端到端尾延迟 40-1000×）构成"精度-规模-延迟"三维生产决策矩阵。
建议归入节： §2.12 RAG 数据层载体范式迁移（新增 >500K 规模临界点量化警告，作为"向量 DB 选型决策树"的工程化数据支撑）或 §2.1 向量索引/ANN（补充生产参数数据）
增量 3 · ⭐⭐⭐ 中 · Mem0 2026 状态报告：Graph Memory 生产验证 + 冲突检测机制（Mem0.ai Blog）
来源： jay/inbox/2026-08-02T1900-jay-evening-briefing-vecdb-mcp-agent-memory-2026.md（来源：Mem0.ai Blog，2026，被 Tavily 索引） arXiv： 无 标签： #AgentMemory #GraphMemory #Production #Mem0 可信度： 高（Mem0 官方博客；GitHub stars ~48k 可直接核验） 工程价值： ⭐⭐⭐
要点： - 生产规模： ~48,000 GitHub stars；2025 年 10 月融资 $24M；基础设施扩展至 21 个框架、20 个向量存储、三种部署模式（托管云 / 开源自托管 / 本地 MCP） - Graph Memory 生产验证： Graph Memory 不是"每个 Agent 都需要图数据库"，而是记忆系统正在超越纯向量相似度检索；Graph Memory 生产验证案例：BM25 + embedding + graph traversal（Graphiti by Zep），检索时无需 LLM 调用 - Mem0 语义层： 通过 LLM pipeline 从对话中提取命名实体和关系，存储为图数据库节点和边，同时交叉链接向量嵌入用于模糊搜索 - 冲突检测： 新事实与已有图条目比对后合并/更新/标记 - 开放问题（具体且有界）： 跨会话记忆一致性、长期记忆过期策略、多用户记忆隔离
与 knowledge/database.md 现有脉络的关系： R-25 §2.3"数据库与 Agent 记忆交叉"已覆盖：Memory for LLMs 综述（2607.25380，系统分类学锚点）、pgmnemo v0.10.1（SQL-native agent memory）、Anatomy of Agentic Memory（2602.19320）、Mem-Gallery（ACL 2026）、Proactive Memory Agent（2607.08716）等多条独立路径。Mem0 2026 状态报告是该节缺少的生产级开源工具现状快照——Graphiti（Zep）的 BM25+embedding+graph traversal 组合（无需 LLM 调用）是有别于 pgmnemo 的另一条工程化路径，值得作为 §2.3"Agent 记忆工程化"的生产案例补充。
建议归入节： §2.3 数据库与 Agent 记忆交叉（新增 Mem0 2026 状态 + Graphiti by Zep 生产验证案例，作为 Agent 记忆工程化的生产工具现状快照）
三、值得警惕的矛盾或待核实说法
| # | 说法 | 矛盾/风险 | 建议 |
|---|---|---|---|
| T1 | RankSquire 的 500K 临界点数字（<100K 88-95% / >500K <80%） | 具体数字未经独立 benchmark 复现；不同 embedding 模型、不同数据分布可能有显著差异 | 在目标 embedding 模型 + 目标数据集上做独立压测，不宜直接套用 |
| T2 | Mem0 v0.8.2 LoCoMo 91.6→49.0（30 天后 staleness rate 38%） | 该数字来自 RankSquire 引用，未直接从 Mem0 官方文档核验；91.6 是哪个 benchmark 版本也需确认 | 对照 Mem0 官方文档（mem0.ai）或 GitHub Issues 核验 staleness rate 38% 的来源和测量条件 |
| T3 | ZeroDB 是"唯一同时支持向量检索和文档存储单 API 的方案" | 该说法来自 PingCAP/AINative 的竞品对比文章，可能有轻微偏向性；Weaviate 也同时支持向量+文档，Qdrant 有 payload filtering；ZeroDB 的实际成熟度需要独立核验 | 核实 ZeroDB 官方文档和 GitHub 实际状态；与 ZeroDB 官网 demo 对照 |
四、可引用 arXiv 号列表
| arXiv ID | 标题 | 会议/状态 | 主要关联节 |
|---|---|---|---|
| 无新 database 主分类 arXiv | 本次 inbox 中无新增 database 主分类 arXiv 论文 | — | — |
| （邻接参考）2607.27958 | Σ-Mem：多智能体系统在线可靠性记忆 | arXiv 2026 | §2.3（已在 R-25 §2.3 通过其他路径覆盖） |
| （邻接参考）2607.28126 | ConMem：贡献感知记忆（工业巡检） | arXiv 2026 | §2.3（rag 主分类，database 邻接） |
| （邻接参考）2607.26637 | Filesystem-Based Memory | arXiv 2026 | §2.3（已在 R-25 §2.3 通过其他路径覆盖） |
| R-25 已收录本次未重复引用的 database 相关 arXiv | PG 19 Beta 2 / Azure HorizonDB / pgmnemo v0.10.1 / Memory for LLMs (2607.25380) / KV Cache TC (2511.01815) / DUAL-BLADE (2604.26557) / Harvest (2602.00328) / Shadow in the Cache (2508.09442) | 见 R-25 基线 | 全部已在 R-25 基线中收录，本简报不重复引用 |
五、结论与建议
本次预消化评估：中低密度增量轮（3 条，均为中高价值，无新 arXiv 论文，无显著主叙事新增）
本日 inbox 中 database 相关信号以生产工程量化数据为主： - 3 条增量均已进入活文档现有脉络的补强型条目（新生产数据点 / 新品类 / 新工程量化） - paper_cards 近 3 天新卡零 database 主分类——8-1 E1prep 已明示"ArXiv 新鲜供给相对低谷"，8-2 确认持续 - 今日实质增量：ZeroDB（新品类）、500K 临界点（量化生产警告）、Mem0 2026 状态（生产工具快照）
对活文档接力的建议：
- §2.1 补充 Agent 原生向量 DB 品类：ZeroDB 作为第 9 个选型分支（"Agent 记忆 + MCP 原生 → ZeroDB"），与 Qdrant/Pinecone/Milvus/Weaviate/ChromaDB/TiDB 构成完整选型矩阵
- §2.12 补充 >500K 规模临界点量化警告：<100K（无需 reranker）/ 100K-500K（需 reranker）/ >500K（跌破 80%）三段量化，为"向量 DB 选型决策树"补充生产工程数据
- §2.3 补充 Mem0 2026 + Graphiti 生产验证：Graphiti（Zep）的 BM25+embedding+graph traversal 组合作为 pgmnemo 之外的另一条 Agent 记忆工程化路径的生产案例
六、附：检查过的 paper_cards 最新批次数据库逐卡确认
| ID | arXiv | 主分类 | TLDR 一行 | 是否 DB 相关 |
|---|---|---|---|---|
| 688 | 2607.23193 | multimodal | OmniScope：模态解耦 token 压缩 | ❌ |
| 686 | 2607.26637 | agent | Filesystem-Based Memory for LLM Agents | ✅ 已入 §2.3 |
| 685 | 2607.26769 | multimodal | See2Think：多模态视觉依赖诊断 | ❌ |
| 684 | 2607.28319 | evaluation | Fairness Pruning：GLU-MLP 偏差定位 | ❌ |
| 683 | 2607.27958 | agent | Σ-Mem：多智能体可靠性记忆 | ✅ 已入 §2.3 |
| 676 | 2607.28126 | rag | ConMem：贡献感知制造巡检记忆 | ✅ 邻接 §2.3（rag 主分类） |
| 675 | 2607.28397 | rag | GLM-RAG | ✅ 已在 R-25 |
| 674 | 2607.28580 | multimodal | DualG-MRAG | ✅ 已在 R-25 |
本简报由 Jay 实例自动生成 · 2026-08-02 20:20 · 仅作预消化草稿，待活文档接力时综合评估