研究简报 · 2026-09-09T17:35 · Agentic RAG · OWASP MCP Top10 · GitHub Trending
本次主题
Agentic RAG 2026 工程实践、OWASP MCP Top10 安全检查清单、GitHub Trending AI/Agent 项目、Vector DB 工程选型。
一、Substack 高价值条目
1. The AI Agents Stack (2026 Edition) — The AI Engineer
- URL: https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
- 作者/专栏: The AI Engineer
- 发布时间: 2026（持续更新）
- 可信度: ⭐⭐⭐⭐ 高质量工程Newsletter，专注AI Agent生产实践
- 核心观点: 1. Agent guardrails 与 LLM guardrails 已分化为两个独立领域。2024年 guardrails = 输入/输出过滤器；2026年 agent 调用工具、花钱、执行操作，guardrails 必须覆盖工具授权层（tool execution layer），而非输出层——"guardrails before action" 模式。 2. OWASP 发布了 MCP Top 10（beta），是首个针对工具连接型 Agent 的安全检查清单。 3. 89% 的生产 Agent 团队实现了可观测性，但只有 52% 实现了评估（evals）——37个百分点的差距是生产质量的头号杀手。 4. 新兴 Agent 专用 benchmark：Context-Bench（记忆管理）、Recovery-Bench（错误恢复）、Terminal-Bench（编码 Agent）。 5. 评估框架三层次：PR级快速检查（工具调用正确性）→ 每夜回归套件（LLM judge）→ 生产持续监控（性能漂移告警）。
- 是否需要精读: 是，Agent 工程必读
- 后续行动: 建议纳入 Agent 安全与评估专题页
2. Open-Source AI Agent Stack 2026: Best Tools per Layer — The AI Engineer
- URL: https://theaiengineer.substack.com/p/the-open-source-agent-toolkit-in
- 作者/专栏: The AI Engineer
- 发布时间: 2026
- 可信度: ⭐⭐⭐⭐ 同上
- 核心观点: 1. Evals & Observability 层是 Agent 工程中最容易被跳过的层，也是最昂贵的错误。 2. Tracing 捕获每次 LLM 调用、工具调用和成本，按用户和会话索引，出问题时可回放完整上下文。 3. Browser Use：Python 默认方案，50k+ GitHub stars，2025-2026 增长最快的开源 AI 项目之一。与 LangChain、CrewAI 和自定义框架集成。生产团队将重复的 80% 流程缓存到 Playwright 中，用 Browser Use 处理需要推理的 20%。
- 是否需要精读: 是
- 后续行动: 补充 Browser Use 工程实践条目
3. OWASP Top 10 Agents & AI Vulnerabilities (2026 Cheat Sheet)
- URL: https://open.substack.com/pub/alexewerlof/p/owasp-top-10-ai-llm-agents
- 作者/专栏: Alex Ewerlöf
- 发布时间: 2026
- 可信度: ⭐⭐⭐⭐⭐ OWASP 官方合作，实用工程指南
- 核心观点:
- LLM01: Prompt Injection — 缓解：语义防火墙、隔离 system prompt、永不信任用户输入
- LLM02: 敏感信息泄露 — 缓解：数据进入 LLM 前脱敏，严格过滤输出
- LLM03: Supply Chain — 缓解：要求 AI-BOM/SBOM，所有依赖通过 hash 固定版本
- LLM04: 数据和模型投毒 — 缓解：数据集加密验证，RAG 文档零信任
- LLM05: 不当输出处理 — 缓解：所有 LLM 输出视为敌对，沙箱执行在 micro-VM/Wasm 中
- Charity Majors 观点：无法观测就无法安全——记录发送到 LLM 的精确 prompt、收到的精确输出、工具选择理由和参数
- 关键工程原则: 无状态性（Statelessness）、健壮性（Sandboxing & Scoping）、可验证性（Verifiability）
- 是否需要精读: 是，安全必读
- 后续行动: 建议纳入 Agent 安全专题页
4. What’s Next in AI: Five Trends to Watch in 2026 — ByteByteGo
- URL: https://open.substack.com/pub/bytebytego/p/whats-next-in-ai-five-trends-to-watch
- 作者/专栏: ByteByteGo
- 发布时间: 2026
- 可信度: ⭐⭐⭐⭐ 高质量系统设计Newsletter
- 核心观点: 1. 编码专用 LLMs：AI 实验室通过大量代码库、文档和编程模式微调专门LLM，配合 read_file/search_codebase/edit_file/run_terminal_command/execute_tests 等编码专用工具。 2. Agent 的局限：长任务（数十步）会丢失上下文、累积错误；默认访问受限，很多 Agent 运行在沙箱中无法访问邮件、文件或本地应用。
- 是否需要精读: 摘要级即可
5. 20 Advanced RAG Types to Know in 2026 — Turing Post
- URL: https://www.turingpost.com/p/ragtypes
- 作者/专栏: Turing Post
- 发布时间: 2026-08-16
- 可信度: ⭐⭐⭐⭐
- 核心观点（20种RAG类型精选）:
- Agentic RAG: LLM 规划、编排检索、管理记忆、调用工具、检查中间证据、决定是否需要更多检索
- A-RAG: 自适应检索，通过学习决定何时检索、检索什么
- Multimodal RAG: 跨模态（文本/图像/表格/图表/音频/视频）联合检索
- GraphRAG: 利用实体、关系和知识图谱，在需要跨关系推理的场景表现最佳
- Hybrid RAG: 密集向量搜索 + 稀疏关键词搜索组合
- 是否需要精读: 精选类型精读，Agentic RAG 和 GraphRAG 优先级最高
- 后续行动: 建议纳入 RAG 技术选型参考
6. The Complete Guide to Building AI Agents in 2026
- URL: https://sidsaladi.substack.com/p/agent-frameworks-101-the-complete
- 作者/专栏: Sid Saladi
- 发布时间: 2026
- 可信度: ⭐⭐⭐⭐
- 核心观点: 1. 多 Agent 系统：多个 LLM 各有工具和指令，协同完成更大任务。研究 Agent → 写作 Agent → 编辑 Agent 的交接模式。 2. 经验法则：工具 < 10、上下文 < 50K tokens、任务基本顺序执行 → 单 Agent；否则考虑多 Agent。 3. ReAct 模式（Reasoning + Acting）：think-act-observe 循环，是几乎所有 Agent 框架的基础。 4. 不要用 Agent 的场景：任务有可预测的固定步骤集、不需要 LLM 决定下一步、简单 prompt → response 就够用。
- 是否需要精读: 是，工程实践参考
二、GitHub Trending 高价值项目（2026-09-09 当日）
| 项目 | 描述 | GitHub Stars | 领域 |
|---|---|---|---|
| hyperframes (Heygen) | Write HTML → Render video，为 AI Agent 构建 | 48k+ | Agent 工具 |
| marketingskills (coreyhaines31) | Claude Code 营销技能：CRO、copywriting、SEO、分析、增长工程 | 49k+ | Agent Skills |
| superpowers (obra) | Agentic Skills 框架 & 软件开发方法论 | 新兴 | Agent 框架 |
| camofox-browser | AI Agent 专用隐形浏览器——绕过 Cloudflare、机器人检测和反爬，取代表演式 Puppeteer/Playwright | 10.7k+ | Agent 基础设施 |
| context-mode | AI 编码 Agent 上下文窗口优化：沙箱工具输出（减少98%）、持久化会话内存、通过 MCP + hooks 跨 17 个平台路由 | 21.5k+ | Agent 基础设施 |
| AutoHedge | 用 swarm intelligence 和 AI Agent 构建自主对冲基金：市场分析、风险管理、交易执行 | 5.8k+ | 多 Agent 系统 |
| browser-use | Agent 控制浏览器（Python 默认方案，LangChain/CrewAI 集成） | 高 | Agent 工具 |
| OpenAI Skills | Codex Skills 目录 | 新兴 | Agent Skills |
| ECC (affaan-m) | Agent harness 性能优化系统：Skills、instincts、memory、security，面向 Claude Code、Codex、Cursor 等 | 新兴 | Agent Harness |
| i-have-adhd (ayghri) | 停止编码 Agent 埋没答案的技能，ADHD 友好输出 | 新兴 | Agent UX |
工程洞察： - Agent Skills/Marketplace 赛道持续火热（marketingskills 49k stars） - 隐形浏览器（camofox-browser）和上下文压缩（context-mode 减少98%工具输出）是 Agent 生产部署的关键基础设施 - superpowers 和 ECC 代表 Agent 框架正在向"技能+方法论"方向演进
三、Vector DB 工程选型（2026）
MLsys2026 Best Paper: LEANN (StarTrail-org)
- GitHub: 12.9k stars
- 核心: RAG on Everything，在个人设备上实现 97% 存储节省，准确、100% 私有
- 语言: Rust
- 可信度: ⭐⭐⭐⭐⭐ MLSys 2026 Best Paper
- 是否需要精读: 是，Vector DB 存储优化方向
主流 Vector DB 横向对比（2026）
| 数据库 | 类型 | LLM 优化 | GitHub Stars |
|---|---|---|---|
| Qdrant | 云原生，高性能 | ✅ | 34.4k |
| Milvus | 分布式 | ✅ | 高 |
| Weaviate | GraphQL | ✅ | 11k+ |
| pgvector | PostgreSQL 扩展 | ✅ | 12k+ |
| LanceDB | 嵌入式 | ✅ | 4k+ |
| Deep Lake | 多模态 | ✅ | 6.4k |
lakeFS 集成洞察: lakeFS 的 Git-for-data 方法应用于 AI 和向量工作负载，通过版本化提交实现向量搜索系统的可重现性、后端灵活性和一键回滚。企业级需求：治理、审计、回滚。
四、检索质量警告
| 问题 | 影响 |
|---|---|
Hugging Face /trending 页面 404 |
直接获取 HF trending 列表失败，需通过 Tavily 等搜索工具间接获取 |
| Substack 内容多为总结性文章 | 核心数据点需回溯原始论文/文档核验 |
| 多 Agent 框架评测文章存在软文风险 | 优先参考有基准数据的独立评测 |
五、分类标签
#agentic-rag #owasp-mcp-top10 #agent-security #github-trending #vector-db #llm-evals #browser-use #context-mode #multi-agent #agent-harness
六、建议写入路径
已写入：/shared/research-kb/inbox/jay/2026-09-09T1735-jay-research-briefing-agentic-rag-owasp-github-sep09.md
七、后续行动
- [ ] 精读 The AI Engineer《AI Agents Stack 2026 Edition》完整内容 → 纳入 Agent 工程专题页
- [ ] 精读 OWASP MCP Top 10 原文 → 纳入 Agent 安全专题页
- [ ] 关注 LEANN（MLsys2026 Best Paper）论文和代码 → Vector DB 存储优化方向
- [ ] 关注 camofox-browser 和 context-mode → Agent 基础设施选型参考
- [ ] 核验 各 Agent 框架 benchmark 数据来源的独立性
生成时间: 2026-09-09T17:35 (Asia/Shanghai) · Jay · 本实例草稿