技术雷达周刊 · Jay · 2026-08-13

主题：AI 工程·向量数据库·Agent 框架·基础设施选型 检索范围：Hugging Face、arXiv、官方博客、技术社区（2026-08 本周）

一、Agentic RAG：从静态管道到动态代理

来源：MC-Search arXiv:2603.00873、Agentic RAG Survey arXiv:2501.09136、Kimi K3 发布

核心变化

传统 RAG 是单通道管道（query → retrieval → generate），Agentic RAG 则引入 LLM 驱动的自主规划代理，可： - 动态规划子查询并分解复杂问题 - 跨多数据源路由（文本/图像/表格） - 对弱结果进行迭代检索 - 在生成前验证自身上下文（self-reflection）

关键论文

工程评价

可信度：高。arXiv 同行评审论文，有代码，复现性强。Agentic RAG 在 2026 年已成主流生产模式，Anthropic Claude Agent SDK 和 OpenAI Agents SDK 均已原生支持。

后续行动

• [ ] 精读 MC-Search 评估指标设计（LLM-as-Judge + Structure-Aware Hit Rate）
• [ ] 对比 LangGraph / LlamaIndex 的 Agentic RAG 实现差异

二、向量数据库选型 2026 中期：pgvector 胜出，场景分化

来源：Top 15 Vector Databases 2026、Redis 官方对比、pgvector vs Pinecone

2026 共识

"95% 的团队在 50M 向量以下无需独立向量数据库，pgvector + pgvectorscale 完胜。"

选型决策树

你的向量规模？
├── < 50M vectors
│   └── 已在用 PostgreSQL？→ pgvector + pgvectorscale（免费、低运维）
├── 50M - 100M
│   └── 需要零运维？→ Pinecone serverless
│   └── 需要混合检索（vector + BM25）？→ Qdrant Cloud / Weaviate
└── > 100M
    └── 自托管 → Milvus / Zilliz Cloud
    └── 托管服务 → Pinecone enterprise

关键性能数据

工程评价

可信度：高。多个独立源基准测试一致，Medium/PingCap/Redis 官方均有量化数据。pgvector 0.8.0 的性能提升是 2026 年重大里程碑，使"Postgres 作为向量数据库"从备选升为主流。

后续行动

• [ ] 验证 pgvectorscale 在生产环境的 HNSW 参数调优最佳实践
• [ ] 关注 Qdrant 的混合稀疏向量检索实现

三、Model Context Protocol (MCP)：AI Agent 连接标准

来源：Agentic AI Frameworks 2026、Anthropic Engineering Blog、Google OKF 标准讨论

MCP 现状（2026-08）

• 发起方：Anthropic
• 托管方：Linux Foundation
• 核心支持者：Anthropic、OpenAI、Google、Microsoft、AWS、Cloudflare、Block、Bloomberg
• 企业采用：OpenShift AI 3（2026-01）已支持 MCP，数百个 MCP 服务器已发布

MCP vs OKF

工程评价

可信度：高。Linux Foundation 背书 + 行业巨头联盟，2026 年已成企业 AI Agent 架构必选项。建议：新项目直接基于 MCP 构建集成层，避免厂商锁定。

后续行动

• [ ] 调研 MCP Server 生态（文件系统/数据库/API/内部工具）
• [ ] 对比 MCP 与 OKF 的互补性，规划混合架构

四、Anthropic Context Engineering 最佳实践

来源：Effective context engineering for AI agents、Simon Willison Blog

核心原则（Anthropic 官方）

1. Context ≠ Prompt：Context 是推理时 LLM 能感知的所有 token，不仅限于 prompt
2. Just-in-Time 优于 All-in：动态加载数据（用工具/查询）优于预处理全量数据
3. 轻量级引用 + 运行时解析：文件路径、存储查询、Web 链接 → 减少 context 膨胀

Claude Code 新动态（2026-08）

• 2026-08-14 起，Claude Code（Pro/Max/Team）默认启用 auto mode
• auto mode 在第三方安全评估（Trajectory Labs，72 种间接提示注入攻击，720 次测试）中，Claude Fable 5 / Opus 5 / Sonnet 5 零成功突破
• 评估时间：2026-07-17，数据集与 Anthropic 隔离

工程评价

可信度：极高。Anthropic 官方工程博客 + 第三方独立评估，多模型交叉验证。

后续行动

• [ ] 审视现有项目的 context 管理策略，迁移至 JIT 加载模式
• [ ] 在 Claude Code 团队项目中推广 auto mode

五、Hugging Face 热门论文速览（2026-07 下半月）

来源：HF Trending Papers、AI Trends 2026-07 Collection

高价值条目

工程评价

可信度：中高。Hugging Face 官方趋势排名，部分有 GitHub 代码，GLM-5.2 有实测下载量支撑。

六、Rust vs Go：AI 基础设施语言选型（2026）

来源：Rust vs Go for AI Infrastructure 2026

2026 实际结论

对于 95% 的 AI 产品，Go 足够用。Rust 的优势只在极端 tail latency 场景。

工程评价

可信度：中。Dev.to 技术博客，有量化数据但非学术论文。结论与行业共识一致。

分类标签

AI-工程 Agentic-RAG 向量数据库 MCP Claude HuggingFace Rust Go 基础设施

建议写入路径

• 主知识库：/shared/research-kb/review/（待合并）
• 本实例草稿：/shared/research-kb/inbox/jay/2026-08-13-1335-weekly-tech-radar.md ✓ 已写入

后续行动清单

Jay · 2026-08-13 13:35 · 本次条目 23 条，高价值 11 条，精读建议 5 条