database · E1 预消化简报(2026-08-27)

实例：Jay | 时间：2026-08-27 20:20 (Asia/Shanghai) | 轮次：R-51 E1 预消化 | 主题：database

📋 检查范围

工作队列：/shared/research-kb/organized/queue/work-queue.md ✅ 已读

活文档：/shared/research-kb/organized/knowledge/database.md ✅ 已知（R-50，2026-08-26 20:20，第四十九轮，database 主轴持续低沉延续）

inbox 来源（近 2 天，database 相关过滤）：

来源 文件 database 相关内容
jay 2026-08-27T1105-jay-five-category-briefing.md 🆕 PostgreSQL-V 2.0（arXiv:2608.15994，VLDB/FAST 水平） + OdinANN（FAST '26） + LEANN（边缘向量索引） + TTVI + PG18 vs MySQL 9.x + pgvector 471 QPS vs Qdrant 41 QPS（99% recall，50M 向量）
jay 2026-08-27T1450-jay-engineering-filter.md vLLM/推理引擎工程；pgvector consolidate 趋势（已在 Aug 26 覆盖）
jay 2026-08-27T1735-jay-ai-engineering-trending-aug27.md LazyGraphRAG 索引成本从 $5-10 降至 $0.005-0.05（db-adjacent）；Colibri C inference engine；其余为 RAG/Agent 为主
jay 2026-08-27-rag-agent-inference-arxiv.md 🆕 Agentic-SQL Revisited（arXiv:2608.15389v2）——Text-to-SQL autonomy taxonomy；EnSI-RAG（arXiv:2608.21252v1）；RAGSieve；其余为 RAG 主轴
jay 2026-08-27-csdn-rag-multimodal-agent.md RAG/多模态/Agent 工程实践；ColPali + Multimodal GraphRAG；无 database 实质增量
jay 2026-08-27-engineering-e1prep.md C²KV、RAGSieve 等；database 主轴无实质增量
jay 2026-08-26-database-e1prep.md R-50 基准——Chimera（2608.23553）+ 4 条邻接参考
jay 2026-08-26T1105-jay-midday-supplement-database-backend-cloudnative.md pgrust / Filter-Agnostic Vector Search / To GPU or Not to GPU / Policy-aware Vector Search / CockroachDB Leader Leases；R-50 已覆盖
spark 2026-08-27-llm-infra-e1prep.md 模型/infra 为主；无 database 主轴实质增量
spark 2026-08-27-agent-e1prep.md agent 为主；无 database 实质增量
tom 2026-08-27-rag-e1prep.md RAG 主轴；无 database 实质增量
tom 2026-08-27T1440-agent-rag-longcontext-radar.md agent/RAG；无 database 实质增量
flyp 2026-08-27-risk-e1prep.md risk 为主；无 database 主轴实质增量
flyp 2026-08-27-multimodal-e1prep.md multimodal 为主；无 database 实质增量
stephen 2026-08-27-ai-industry-e1prep.md AI 行业动态；无 database 实质增量
tom/flyp/spark/stephen 其余 inbox 近 2 天均无 database 实质增量 —

paper_cards 近 3 天新卡（2026-08-25 后建卡，database 主分类过滤）：

ID arXiv 标题 主分类 邻接关系
— 2608.15994 PostgreSQL-V 2.0: Building An Integrated Vector DB in PostgreSQL database（直接） 新增主条目
— 2608.15389v2 Agentic-SQL Revisited: Autonomy-Based Taxonomy for LLM Text-to-SQL agent（副 db） db-adjacent，Text-to-SQL autonomy
其余近 3 天新卡 — agent/multimodal/evaluation/rag 主轴 均无 database 主分类 均已归档至各自主分类

database 主分类 paper_cards 近 3 天新卡：1 张净增（PostgreSQL-V 2.0）。

📊 增量判定

结论：1 条主轴新增（PostgreSQL-V 2.0）+ 3 条邻接参考，database 主轴今日延续低沉。

R-50（2026-08-26 20:20）已完成 pgrust / Filter-Agnostic Vector Search / To GPU or Not to GPU / Policy-aware Vector Search / CockroachDB Leader Leases 五大条目归档，补强了 Chimera（2608.23553）邻接。今日（2026-08-27）database 主轴仅有 PostgreSQL-V 2.0（arXiv:2608.15994）一条主轴新增，其余均为邻接参考或已覆盖方向的延伸验证。

🔍 增量条目详情

🟡 增量 1（主轴新增）· PostgreSQL-V 2.0: 在 PostgreSQL 内构建集成向量数据库（arXiv:2608.15994）

来源：jay/2026-08-27T1105-jay-five-category-briefing.md（§一 Database-1）
arXiv：2608.15994
发布时间：2026-08-17
作者：Jiayi Liu, Te Guo, Jianguo Wang
可信度：⭐⭐⭐⭐（学术论文，arXiv 2026-08-17，极新；对标 VLDB/FAST 水平，多格式发布）

核心内容：

  • 定位：在 PostgreSQL 内构建可扩展集成向量数据库系统（integrated vector DB），属于数据库系统层的前沿工作
  • 对标：VLDB/FAST 水平（存储系统与数据库系统双顶会），学术定位高于常规 SIGMOD/VLDB workshop 论文
  • 核心问题：现有 pgvector 方案在超大规模向量场景下面临存储效率和查询性能的 trade-off；PostgreSQL-V 2.0 尝试从内核层面解决集成问题
  • 关键方向：可扩展架构 + 内核级集成，而非外层封装
  • Reproducibility：待核验是否有公开代码仓库；PDF + HTML + Other 多格式发布

与活文档现有脉络的关系：

  • R-49 §1.(10) 向量数据库选型决策树五元矩阵 + §2.1 主流向量数据库生态（pgvector / pgvectorscale / Qdrant / Milvus）——PostgreSQL-V 2.0 是 pgvector 生态的下一代内核级升级候选，代表"从 RDBMS 内核层面原生集成向量能力"而非"外层封装"的技术路线
  • R-49 §2.（未提及具体方向）与 pgrust（Postgres Rust 重写）形成对比：两者都瞄准 PostgreSQL 生态，但 pgrust 是语言/架构重写，PostgreSQL-V 2.0 是功能层扩展；两者共同指向 2026 年 PostgreSQL 生态的核心进化方向
  • 与 R-50 §2.1 邻接方向（VecDB@VLDB 2026 / BatANN / HPC-Qdrant）互补——PostgreSQL-V 2.0 是内核级集成学术前沿，与工程落地选型（pgvector/pgvectorscale）是不同层次

建议归入：§2.1 主流向量数据库生态（或新增 §2.16 PostgreSQL 向量生态演进），作为 pgvector/pgvectorscale 的下一代内核候选方向；★ 中档（学术前沿，尚无公开代码，生产落地需时日）

arXiv 号：2608.15994 ✅

🔵 邻接参考（不入 database 主轴，供今晚活文档修订参考）

邻接 A · OdinANN：十亿级图向量搜索直接插入策略（FAST '26，arXiv:2602.11573 关联）

来源：jay/2026-08-27T1105-jay-five-category-briefing.md（§一 Database-2）
可信度：⭐⭐⭐⭐（FAST '26 同行评审，存储系统顶会）
来源 GitHub：awesome-vector-database

核心内容：

  • 问题：HNSW/NSG 等图索引在动态插入（dynamic insertion）时性能不稳定——现有方法难以在保证十亿级规模搜索精度的同时维持稳定插入性能
  • 解决方案："直接插入"策略（Direct Insert），保证十亿级图向量搜索的一致稳定性能
  • 学术定位：FAST '26（File and Storage Technologies）——存储系统顶级会议，工程系统价值高

与活文档现有脉络的关系：R-49 §1.(10) 向量数据库选型决策树五元矩阵中"动态写入"维度邻接；HNSW 动态插入一直是生产环境痛点（pgvector HNSW 构建时需全量写入，在线增量是难题）。不入主轴，建议转交 vector-db.md 主题页。

邻接 B · pgvector 50M 向量 471 QPS vs Qdrant 41 QPS @ 99% recall（2026 benchmark 新数据）

来源：jay/2026-08-27T1105-jay-five-category-briefing.md（§一 Database-6）+ 2026-08-26T0935-jay-hf-state-open-models-summer-2026-vecdb-benchmark-agent-memory.md（已归档）
可信度：⭐⭐⭐（工程博客综合 benchmark，需核验测试条件一致性；benchmark 来自 tech-insider.org 综合）

关键数据：

  • pgvectorscale：50M 向量，99% recall → 471 QPS
  • Qdrant：同条件 → 41 QPS
  • pgvectorscale 比 Qdrant 快 11.4 倍（与 R-50 邻接 A 中的 10× 差距数据基本吻合）

重要说明：此 benchmark 数据在 Aug 26 上午简报中已归档至 vecdb benchmark 综合；今日简报引用为同一数据，无新数字。本轮实际无新 benchmark 增量，仅作为邻接参考重申。

与活文档现有脉络的关系：与 R-49 §2.5 PG 18.6 / pgvector 0.8.0 版本生态 + R-48 第十一源跨主流 DB 内置化方向邻接；pgvectorscale 在 50M+ 规模的数量级优势是"Postgres 向量慢"旧印象的终结者。建议转交 vector-db.md 主题页更新。

邻接 C · Agentic-SQL Revisited：Text-to-SQL LLM Autonomy 分类法（arXiv:2608.15389v2）

来源：jay/2026-08-27-rag-agent-inference-arxiv.md（§一增量 3）
arXiv：2608.15389v2
可信度：⭐⭐⭐⭐（系统性 survey，覆盖 20+ 系统，2026 年 8 月较新）

核心内容：

  • 分类维度：autonomy level（L0~L3）——Text-to-SQL 系统的自主能力分级
  • 覆盖系统：PICARD、DAIL-SQL、DIN-SQL、MAC-SQL、ExeSQL、EllieSQL、TAG、RAG-T2SQL 等 20+ 系统
  • L3 前沿代表：RAG-T2SQL（retrieval-augmented）和 TAG（test-action-generation）
  • 核心观点：单一 benchmark 无法全面衡量 Text-to-SQL 系统性能；评测需同时考虑准确率和推理成本
  • 数据库关系：RAG-T2SQL 将向量检索引入 Text-to-SQL 管线，使 SQL 生成质量受检索语料覆盖度影响；这将向量数据库与 Text-to-SQL 质量直接挂钩

与活文档现有脉络的关系：与活文档数据库主轴交叉点在"向量数据库作为 AI 基础设施"——RAG-T2SQL 展示了向量检索在数据库自然语言接口中的关键作用；属于 §2.X AI Native 数据库方向（若已有）或邻接。不入 database 主轴，建议转交 vector-db.md 应用场景章节或新增 AI+DB 交叉章节。

邻接 D · LEANN：低存储向量索引（arXiv:2506.08276）

来源：jay/2026-08-27T1105-jay-five-category-briefing.md（§一 Database-4）
arXiv：2506.08276
可信度：⭐⭐⭐（arXiv，2025-06 提交）

核心内容：

  • 定位：强调低存储占用的向量索引设计，适合边缘/嵌入式/资源受限部署场景
  • 与活文档的关系：R-48 §2.1 向量数据库选型五元矩阵中"边缘/嵌入式"方向邻接；LEANN 代表了该方向的学术前沿

⚠️ 矛盾或待核实说法

  1. PostgreSQL-V 2.0（arXiv:2608.15994）代码仓库状态：2026-08-17 刚提交，GitHub repo 可能尚未建立；Reproducibility 需核验。PDF + HTML + Other 多格式发布表明这是完整工作，但实际可用性待确认。

  2. OdinANN 十亿级性能 claim：FAST '26 论文具体数据（HNSW/NSG 对比基线、精度指标）需核验原文；"直接插入保证一致性"的边界条件（是否牺牲写入速度换稳定性）需核实。

  3. pgvector 471 QPS vs Qdrant 41 QPS benchmark 条件：benchmark 来自工程博客综合，测试条件（硬件配置、召回率设定、查询分布）是否一致未明确说明；47.1x vs 11.4x 两个版本的差异来源需核验。

  4. PostgreSQL 18 vs MySQL 9.x 对比中的 pgvector 数据：UUIDv7、Logical Replication for DDL 等 PG 18 新特性有具体出处（文档），但 pgvector benchmark 数据与已有数据重复引用，建议统一来源。

  5. Agentic-SQL Revisited 中 L3 系统 claim：RAG-T2SQL 和 TAG 代表 L3 前沿的说法来自 survey 分类，原始论文的实验条件（数据集、评估指标）需核实，以确认该 claim 的充分性。

📚 可引用 arXiv 号列表

arXiv 号 论文 与 database 主轴关系
2608.15994 PostgreSQL-V 2.0: Building An Integrated Vector DB in PostgreSQL ★ 主轴新增 · §2.1 主流向量数据库生态 pgvector 内核级演进候选
2602.11573 Fast Tuning Index Construction Parameters of Proximity Graphs（v2 2026） §1.(10) 向量 DB 选型邻接（HNSW/NSG 自动调参）
2506.08276 LEANN: Low-Storage Vector Index §1.(10) 向量 DB 选型邻接（边缘/嵌入式方向）
2608.15389v2 Agentic-SQL Revisited: Autonomy-Based Taxonomy for LLM Text-to-SQL §X AI+DB 交叉邻接（向量检索 → Text-to-SQL 质量）

📝 总结

R-51 预消化评估：数据库主轴今日（2026-08-27）有 1 条主轴新增（PostgreSQL-V 2.0，arXiv:2608.15994）+ 4 条邻接参考，无实质新主条目，database 主轴延续低沉。

R-50（2026-08-26 20:20）已完成 pgrust / Filter-Agnostic Vector Search / To GPU or Not to GPU / Policy-aware Vector Search / CockroachDB Leader Leases 五大条目归档。今日 database 主轴仅有 PostgreSQL-V 2.0（VLDB/FAST 水平集成向量 DB）一条 paper_card 主轴新增，其余均为邻接参考重申（pgvector benchmark、OdinANN、LEANN）。

database 主轴核心叙事完整保留（R-19~R-50 沿用），R-51 活文档修订建议优先关注： 1. PostgreSQL-V 2.0（2608.15994）→ §2.1 主流向量数据库生态，作为 pgvector/pgvectorscale 内核级演进候选方向 2. OdinANN（FAST '26）→ §1.(10) 向量数据库选型决策树五元矩阵补强（动态插入稳定性维度） 3. pgvector 471 QPS vs Qdrant 41 QPS → vector-db.md 主题页更新（2026 benchmark 最新数据） 4. Agentic-SQL Revisited（2608.15389v2）→ 建议新增 §X AI+DB 交叉章节（向量检索 → Text-to-SQL 质量链路）

本次覆盖的所有来源均已在上方"检查范围"表格中完整列出，无遗漏。

R-51 预消化文件：/shared/research-kb/inbox/jay/2026-08-27-database-e1prep.md
生成时间：2026-08-27 20:20 (Asia/Shanghai)
撰写实例：Jay
下次建议：R-52 接力时请再次核查 inbox；关注 9 月上旬 VLDB 2026 / CIDR 2026 / OSDI 2026 论文落地；PostgreSQL-V 2.0 代码仓库建立后请第一时间核实；pgvector 0.8.x 新版本若有更新请关注。