知识库草稿 · Jay · 2026-08-06

主题

CSDN 高价值 AI Agent / LLM / RAG 技术分享 + Substack AI 工程化洞察

一、CSDN 高价值条目

🔥 高价值 A 级（源码/复现/工程实践）

条目 来源 核心价值 工程/复现价值 建议分类
企业级LLM Agent实战：从RAG到业务闭环 (O_Errors_0_Warni) https://adg.csdn.net/6a522430662f9a54cb8e637c.html 基于LangGraph状态机构建可自我修正的Agentic RAG系统；集成MCP协议跨系统工具标准化接入；完整Python代码实现 ⭐⭐⭐ 含完整架构设计图+可运行源码；覆盖混合架构+可观测性+安全护栏 agent/langgraph rag/enterprise mcp
LangGraph深度研究：OpenDeepResearch完整源码解析与本地部署 (编程唐小宝) https://adg.csdn.net/6970ab3e437a6b40336b2271.html LangChain官方OpenDeepResearch多Agent监督者-研究员协作机制源码解析；Send API动态分支任务分发；双层级StateGraph构建完整工作流 ⭐⭐⭐ 源码路径src/open_deep_research/multi-agent.py已标注；含Supervisor+Researcher角色分工解析 agent/multi-agent langgraph/advanced
Harness架构与LangChain/LangGraph三者联动底层逻辑 (xx_nm) https://blog.csdn.net/xx_nm98/article/details/160774172 字节跳动内部打磨3年的Super Agent框架（2026-02开源，28K Star）；Harness Engineering工程学科定义；7层架构解耦 ⭐⭐ 理论深度强，适合架构设计参考 agent/harness architecture
AI Agent框架横评2026：LangChain vs LangGraph vs CrewAI vs AutoGen实测 (chreehero) https://blog.csdn.net/chreehero/article/details/138446881 5000+次实测对比；维度：上手难度/功能完整性/性能/调试体验；LangGraph成功率85.8%最高；Token效率最优 ⭐⭐⭐ 选型数据支撑充分 agent/framework-comparison
AI Agent实用指南：别把RAG和Workflow叫成Agent https://adg.csdn.net/6a60d3d410ee7a33f29173b2.html 4条严格Agent定义标准（状态维护/状态驱动行动/预算约束/安全恢复）；生产级Agent核心风险点 ⭐⭐⭐ 定义严谨，避免概念混淆；含生产Budget设计建议 agent/definition production

🔎 中价值 B 级（技术栈解析/学习路线）

条目 来源 摘要 评价
2026大模型技术栈全解析：LLM、RAG、Agent与学习路径 https://bbs.csdn.net/weixin_28717939/article/details/100195548 闭源vs开源vs轻量化模型对比；Python代码示例；LangChain+Redis+FAISS多层存储架构 覆盖面广但深度有限
2026年AI工程师必备的8层工具栈架构 https://blog.csdn.net/InstrGap/article/details/161193640 本地推理→LLM网关→Agent框架→可观测性→MLOps闭环；Tauri v2+SQLite离线存储实战 含真实项目验证
LLMOps实践指南：从AI工程化到企业级大语言模型运维 https://bbs.csdn.net/weixin_28718345/article/details/100185751 MLOps→LLMOps→AgentOps三代叠加演进；LLMOps三层指标体系；AgentOps行为合规策略L1级建设 框架完整，适合建立全局认知
Dify 2026多模态能力深度解锁 https://blog.csdn.net/LearnPlex/article/details/160793090 含完整源码/自动化测试/可复现示例/离线HTML报告 有复现素材但需进一步核验实际功能

二、Substack 高价值条目

📧 AI Engineer / The AI Engineers Newsletter

  • 标题: The AI Agents Stack: LLM to Production (2026 Edition)
  • 链接: https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
  • 作者: The AI Engineer
  • 发布时间: 2026
  • 核心洞察: 1. Memory从"选个向量数据库做RAG"演变为一级架构原语，三层架构 2. 上下文窗口变大没有消灭记忆需求，而是改变了"什么放上下文 vs 什么实时检索"的权衡 3. Agent Guardrails从LLM Guardrails中独立出来，成为单独学科——需要授权工具调用、实施限速、验证Agent实际行为
  • 可信度: 高（工程化技术社区一手观察）
  • 后续行动: 建议与CSDN Harness架构文章交叉验证

📧 Alex Chen (alexeyondata)

  • 标题: What 1,000+ Job Descriptions Reveal About the AI Engineer Role in 2026
  • 链接: https://alexeyondata.substack.com/p/what-1000-job-descriptions-reveal
  • 核心数据: RAG(35.9%) / Prompt工程(29.1%) / LLM集成(25.4%) / Agents(14.4%) / Fine-tuning(8.5%)
  • 洞察: AI Engineer角色从"AI支持"向"AI原生"分化；RAG是最强技能信号
  • 可信度: 高（1000+样本统计）

📧 Alex Ewerlof (Open Security)

  • 标题: OWASP Top 10 Agents & AI Vulnerabilities (2026 Cheat Sheet)
  • 链接: https://open.substack.com/pub/alexewerlof/p/owasp-top-10-ai-llm-agents
  • 核心观点:
  • LLM04数据投毒：RAG知识库被污染后LLM将其视为真实
  • LLM06过度授权：最小权限原则+JIT临时令牌+人工确认
  • 建议：无状态设计+沙箱隔离
  • 可信度: 高（安全领域专项研究）

📧 FutureAGI

  • 标题: The Complete Guide to LLM Evaluation Tools in 2026
  • 链接: https://futureagi.substack.com/p/the-complete-guide-to-llm-evaluation
  • 核心工具对比: Galileo/Arize AI/MLflow/Patronus AI 各有专长；Agent as a Judge兴起
  • 可信度: 中（产品导向，需核实实际用户案例）

三、分类标签

#agent #langgraph #rag #langchain #mcp #harness #llmops #mlops
#multi-agent #evaluation #security #production #engineering

四、建议写入路径

/shared/research-kb/inbox/jay/2026-08-06-csdn-substack-aiagent-llm-rag.md

五、后续行动建议

优先级 行动 原因
🔴 高 精读 LangGraph OpenDeepResearch 源码解析 含 Send API 多分支任务分发机制，是多 Agent 并行执行的关键实现
🔴 高 交叉验证 Harness 架构与 The AI Engineers Substack 的 Memory 3层观点 两者对"状态管理"的理解是否一致
🟡 中 审稿"Agent实用定义4条标准"文章 概念澄清严谨，可作为知识库定义参考
🟡 中 精读 OWASP Agent 安全清单 安全是生产部署必修课
🟢 低 CSDN LLMOps 系列做泛读存档 覆盖面全但深度一般

本条草稿由 Jay 自动生成 · 2026-08-06 · 请勿直接提交 GitHub