知识库草稿 · Jay · 2026-08-07

主题

CSDN 高价值 AI/LLM/Agent/RAG 技术分享 + Substack 线索 + arXiv 2026 新动态

一、CSDN 高价值条目

条目 1：vLLM 大模型部署与推理加速实战指南

  • 来源：CSDN 论坛 · weixin_29094775，发布于 2026-07-28
  • URL：https://bbs.csdn.net/weixin_29094775/article/details/100236199
  • 评分：⭐⭐⭐⭐⭐（工程价值高，含版本/命令/环境）
  • 摘要：PagedAttention 核心原理、单卡→多卡部署命令、Dockerfile 示例、参数调优对照表。实测 A100 单卡吞吐量达传统方案 3-5 倍。提供 Windows WSL 配置路径。
  • 版本信息：pip install vllm、vllm-0.3.2.tar.gz、flash-attn-2.5.0.tar.gz、CUDA 12.1
  • 工程价值：可直接复现，含 --tensor-parallel-size、--gpu-memory-utilization 等关键参数说明
  • 建议分类：MLOps / 推理部署 / vLLM / 复现级

条目 2：DeepSeek V4-Flash 本地化部署实战：vLLM 推理服务从单卡到多卡，量化配置全攻略

  • 来源：CSDN 博客 · qq_73472828，2026-06-04
  • URL：https://blog.csdn.net/qq_73472828/article/details/160575527
  • 评分：⭐⭐⭐⭐（复现价值高，踩坑点 + 量化方案）
  • 摘要：从环境检查到 API 服务封装的完整流程。显存需求速查表、FP8 量化配置、张量并行部署命令、踩坑点 3 个（显存优化/多卡并行/API 封装）。强调硬件前置检查和虚拟环境隔离。
  • 工程价值：国产模型（DeepSeek）私有部署，含量化精度损失评估
  • 建议分类：推理部署 / 量化 / DeepSeek / 复现级

条目 3：AI Agent 开发技术完全学习指南（2026-07 基线版）

  • 来源：CSDN AI Agent 专区 · agent.csdn.net
  • URL：https://agent.csdn.net/6a52fd2f662f9a54cb8e8279.html
  • 评分：⭐⭐⭐⭐⭐（体系完整，含面试映射表）
  • 摘要：35 章按岗位（P5/P7/架构师/PM）重排；多 Agent 协作与 A2A 协议；CUA vs RPA 对比；模态路由架构（去中心化部署）。含面试映射表（知识点→面试问题→高分回答要点）。
  • 技术细节：
  • 模态路由代码骨架：route_modality(user_input, signal) 路由到专用小模型
  • CUA 商业化路径：客服自动化/数据录入/跨 SaaS/测试自动化
  • 语音链路 Barge-in 打断机制、VAD end-of-speech
  • 工程价值：体系化学习路径 + 工程实践复盘（坑 1/坑 2）
  • 建议分类：Agent / 多智能体 / CUA / 学习路径

条目 4：LangGraph 项目 Docker 容器化 + 云端服务器部署 + 前后端联调

  • 来源：CSDN openEuler 社区 · Lu家兴，2026-07
  • URL：https://openeuler.csdn.net/6a31f469662f9a54cb801d47.html
  • 评分：⭐⭐⭐⭐（Docker + 云部署 + 运维命令全）
  • 摘要：Docker 容器化、云端服务器部署、Nginx 反向代理、域名 HTTPS、7×24 常驻运行。含完整 docker run/dockerg logs/dockerrestart 命令；安全组端口放行步骤；多实例扩容方案。
  • 工程价值：生产级部署命令，可直接操作
  • 建议分类：DevOps / Docker / 云部署 / LangGraph

条目 5：2026年AI工程师必备的8层工具栈架构

  • 来源：CSDN 博客 · InstrGap
  • URL：https://blog.csdn.net/InstrGap/article/details/161193640
  • 评分：⭐⭐⭐⭐（架构全景图，含源码/配置）
  • 摘要：从本地推理到 MLOps 闭环的全链路 8 层架构。含 FastAPI 进程 vs Ray Serve 对比表；P95 延迟打点源码；向量缓存三级分层（L1 CPU/L2 SSD/L3 HDD）及命中率数据；Backpressure 动态调节参数表。
  • 工程价值：MLOps 架构设计参考，含真实压测数据
  • 建议分类：MLOps / 架构 / 推理优化

条目 6：vLLM / SGLang 大模型推理框架实战

  • 来源：CSDN openEuler 社区
  • URL：https://openeuler.csdn.net/6a508ec510ee7a33f28c08ff.html
  • 评分：⭐⭐⭐⭐（docker-compose + nginx + 分布式架构图）
  • 摘要：PagedAttention、并行采样、docker-compose 生产部署、nginx 负载均衡配置、多节点分布式部署命令。含 NCCL 多节点 torchrun 命令示例。
  • 工程价值：SGLang 对比参考，分布式推理架构图
  • 建议分类：推理框架 / SGLang / 分布式

条目 7：AI Agent 开发常见问题与快速排查指南（2026 最新版）

  • 来源：CSDN 博客 · fenglingguitar，2026-07
  • URL：https://blog.csdn.net/fenglingguitar/article/details/160250496
  • 评分：⭐⭐⭐（排障指南，含 Harness Engineering / Hermes Agent）
  • 摘要：Harness Engineering 产品形态演变；专属身份/环境感知/自主执行三个维度；AI Agent 留住用户的信息缺口设计思路。排障内容涉及 OpenClaw 链路、记忆检索等。
  • 工程价值：中等，复仇速度快但缺乏详细命令
  • 建议分类：Agent / 排障

条目 8：MLflow 在 LLM 评估中的工程实践

  • 来源：CSDN 博客 · weixin_29161785
  • URL：https://blog.csdn.net/weixin_29161785/article/details/162618538
  • 评分：⭐⭐⭐（可追溯/可比较评估）
  • 摘要：MLOps 全生命周期闭环；MLflow 对接 LLM 评估流水线。
  • 工程价值：中等
  • 建议分类：MLOps / 评估

条目 9：vLLM-Ascend 推理部署与性能调优（鲲鹏昇腾 NPU）

  • 来源：CSDN 鲲鹏昇腾开发者社区
  • URL：https://hwcomputing.csdn.net/694bc0dbbf6b0e4b285e0d72.html
  • 评分：⭐⭐⭐⭐（国产硬件 + NPU 适配，含源码编译命令）
  • 摘要：Ascend NPU 上源码编译 vLLM；SHM_SIZE=50g 共享内存配置；VLLM_TARGET_DEVICE=empty 避免 nvcc 依赖；Docker 镜像构建完整脚本。含 ModelScope 下载模型配置。
  • 工程价值：国产化推理部署路径，高价值但偏小众
  • 建议分类：推理部署 / Ascend / NPU / 国产硬件

条目 10：多模态大模型 MLOps 流水线重构指南（SITS2026 认证级）

  • 来源：CSDN 博客 · FuncFun
  • URL：https://blog.csdn.net/FuncFun/article/details/160144923
  • 评分：⭐⭐⭐（MLOps 架构认证体系）
  • 摘要：SITS2026 认证级 MLOps 架构；大模型工程化模型仓库管理方案。
  • 工程价值：中等，付费内容较多但有目录结构可参考
  • 建议分类：MLOps / 认证体系

二、Substack 高价值线索

线索 1：The AI Agents Stack (2026 Edition)

  • 来源：The AI Engineer（substack）
  • URL：https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
  • 作者：The AI Engineer（Paolo Perrone）
  • 发布时间：2026-03-11
  • 核心观点：
  • Agent Stack ≠ LLM Stack：聊天机器人只需推理+RAG；Agent 需要状态管理、工具协议、持久记忆、自主推理循环、实时护栏
  • Agent Guardrails 已成为独立于 LLM Guardrails 的独立学科（2024 → 2026 演变）
  • Guardrails 现在意味着：工具调用授权、速率限制、结果验证
  • 可信度：高（AI Engineer 专业 newsletter，作者有工程背景）
  • 后续行动：建议核验文中 Agent Stack 分层模型，与 OpenClaw 架构做对比
  • 建议分类：Agent / 工程架构 / Stack

线索 2：Build a Multimodal Agentic RAG

  • 来源：Daily Dose of Data Science（substack）
  • URL：https://blog.dailydoseofds.com/p/build-a-multimodal-agentic-rag
  • 作者：Avi Chawla
  • 核心观点：Spotify/YouTube/Amazon Music 生产多模态 RAG 实践；CrewAI Flow 实现数据发现和转录流程；AssemblyAI 转录音频 + Milvus 向量库。
  • 可信度：中高（工程导向，有代码示例）
  • 后续行动：提取多模态 RAG 架构设计，补充进知识库
  • 建议分类：RAG / Multimodal / 工程实践

线索 3：Context Engineering: Path towards better Agent Engineering

  • 来源：substack.com
  • URL：https://substack.com/home/post/p-166983119
  • 核心观点：Context Engineering 包含 RAG、Prompting、State/History、Memory、Structured Outputs 五大组件；Technical Context Engineering（面向 AI 工程师）和 User Context Engineering（面向普通用户）分层。
  • 可信度：中（概念梳理型，有 Venn 图）
  • 后续行动：可作为知识库 Topic 页「Context Engineering」词条补充
  • 建议分类：Agent / Context Engineering / 概念梳理

线索 4：RAG Reimagined: 5 Breakthroughs You Should Know

  • 来源：Gradient Flow（substack）
  • URL：https://gradientflow.substack.com/p/rag-reimagined-5-breakthroughs-you
  • 作者：Ben Lorica（ODSC 主办方）
  • 核心观点：RAG 从简单检索向多模态/推理型演进；文档处理质量被低估；长上下文做近场、RAG 做远场的分层趋势。
  • 可信度：高（行业资深人士）
  • 后续行动：精读原文，提取 RAG 2026 新范式对比表
  • 建议分类：RAG / 行业洞察

三、arXiv 2026 新动态

论文 1：A-RAG: Scaling Agentic RAG via Hierarchical Retrieval Interfaces

  • 来源：arXiv:2602.03442，2026-02
  • 核心贡献：Agentic RAG 三原则；分层检索接口；Scaling Agentic RAG
  • 建议分类：RAG / Agentic RAG / arXiv

论文 2：VimRAG: Navigating Massive Visual Context via Multimodal Memory Graph

  • 来源：arXiv:2602.12735，2026-02
  • 核心贡献：视觉上下文导航；多模态记忆图
  • 建议分类：Multimodal / RAG / arXiv

论文 3：SoK: Agentic Retrieval-Augmented Generation (RAG)

  • 来源：arXiv:2603.07379v1
  • 核心贡献：Agentic RAG 系统化研究；POMDP 公式化；多阶段检索循环；Scientific Research 场景强调引用可追溯性
  • 建议分类：RAG / Survey / Agent

论文 4：Memory for Autonomous LLM Agents: Mechanisms

  • 来源：arXiv:2603.07670v1
  • 核心贡献：2022-2026 记忆机制综述；Write-Manage-Read 三维分类法；Temporal Scope × Representational Substrate × Control Policy；Agentic Memory（Yu et al., 2026）用 GRPO 训练记忆操作为 RL Action
  • 建议分类：Agent / Memory / Survey

论文 5：LLM Research Papers 2026 List (Sebastian Raschka)

  • 来源：Sebastian Raschka Newsletter（substack/magazine）
  • URL：https://magazine.sebastianraschka.com/p/llm-research-papers-2026-part1
  • 覆盖：Jan-May 2026；含 Agent Systems & Tool Use、Coding Agents 等分类；提及 Nemotron 3 Super（MoE+Mamba2 混合架构）、Qwen3.6（Gated DeltaNet）、Long Context Efficiency 在 Agent 场景的重要性
  • 建议分类：LLM / Survey / 论文列表

四、分类标签汇总

标签 条目数
MLOps 4
推理部署/vLLM 5
Agent/多智能体 5
RAG/Agentic RAG 4
Multimodal 2
架构设计 2
学习路径 1
Docker/云部署 2
评估/MLflow 1
国产硬件/Ascend 1
arXiv 2026 5
Substack 行业洞察 4

五、建议写入路径

主草稿路径：/shared/research-kb/inbox/jay/2026-08-07-csdn-llm-agent-rag-research.md

如需拆分专题，可考虑： - YYYY-MM-DD-vllm-deployment-guide.md（推理部署专题） - YYYY-MM-DD-agentic-rag-systems.md（RAG/Agentic RAG 专题） - YYYY-MM-DD-agent-stack-2026.md（Stack 架构专题）

六、后续行动建议

精读（高优先级）

  1. vLLM 大模型部署与推理加速实战（CSDN，版本/命令齐全，可直接复现）
  2. AI Agent 开发技术完全学习指南（体系最完整，含面试映射）
  3. The AI Agents Stack (2026 Edition)（Substack，工程视角 Stack 分层）
  4. SoK: Agentic RAG（arXiv，系统化 RAG Survey）

审稿（建议）

  • RAG 2026 新范式对比表（LazyGraphRAG / Agentic RAG / GraphRAG v2）
  • Context Engineering vs Prompt Engineering vs RAG 边界定义

知识库 Topic 页更新建议

  • 新增/更新：Agent Stack 2026、Agentic RAG、vLLM 部署、Memory in LLM Agents