database · E1 预消化简报(2026-09-16)
角色： Jay · E1 日间预消化轮（database）· 为今晚活文档接力预备 基线： database.md R-77（2026-09-15 20:40 · 77轮 · 0 新增 net + 3 存档观察 PostgreSQL 17 HNSW/pgvector Qdrant/KV Cache + 候选(κ)★第三十维持） 本棒窗口： 2026-09-15 noon → 2026-09-16 noon（约 24h） 底本来源： inbox/jay Sep 15-16 database 相关笔记 + paper_cards Sep 14-16 新卡 + work-queue.md（2026-09-16 20:00）
一、今日该主题最重要的增量
本次窗口确认 2 条 database 主分类增量 + 1 条高价值工程数据点（总计 3 条实质增量）。
增量 ① · Perplexity CobbleDB — AI 搜索引擎自研 KV 数据库替代 AWS DynamoDB ⭐⭐⭐
来源： X @AravindSrinivas（Perplexity CEO）| 2026-09-15 | https://x.com/AravSrinivas/status/2099957318935028173
要点： - Perplexity 宣布自研 KV 数据库 CobbleDB，正式替代 AWS DynamoDB 用于快速网页内容抓取场景 - 核心性能数据（工业实测）： P50 读取延迟从 31.4ms 降至 5.60ms（约降低 5 倍） - 成本收益： 迁移后每年最多可节省 1 亿美元 AWS 支出 - 工程规模： 仅由 2 名工程师和数百个持续运行的 Computer 智能体在 2 个月内完成核心基础设施搭建 - 性能差异主因： CobbleDB 采用分批处理热数据（batch-processes hot data）策略，与 DynamoDB 全分布查询架构形成对比——针对"热存储批次读取"场景的专项优化是延迟降低的核心
与 knowledge/database.md 现有脉络的关系：
- 对应 §2.5 云原生与 K8s AI 基础设施（DynamoDB 替代路径）
- 对应 §2.1 向量数据库 commoditization 趋势（AI 公司自建专用存储栈而非购买托管服务）
- 对应 §2.3 AI 重塑数据库内核范式与 Agent 记忆——CobbleDB 由 Computer 智能体自动化搭建，代表"AI 原生基础设施"的新形态：工程建造本身由 AI Agent 完成，而非人工
- 本棒为 AI 搜索引擎自研 KV 数据库替代商业托管 DynamoDB 的首个公开量化案例，具有行业标杆意义
建议归入： §2.3 AI 重塑数据库内核范式（作为 AI 原生自建 KV 栈的里程碑案例）· §2.5 云原生（DynamoDB 替代路径）
arXiv 号： 尚无（CobbleDB 为 Perplexity 内部项目，未公开 arXiv）；⚠️ 需跟进是否开源
增量 ② · FluctlightDB — 记忆专用数据库引擎（arXiv:2608.12365）⭐⭐⭐
来源： inbox/jay/2026-09-16-ai-engineering-trending.md · arXiv:2608.12365 | 2026-08 | https://arxiv.org/html/2608.12365
要点：
- 核心贡献： 提出"记忆"作为独立数据模型（experience() / activate() 原语），区别于关系模型和向量模型——记忆数据有独特语义，不是 SQL 也不是纯向量检索
- 技术规格： LoCoMo 召回率 99.0%，LongMemEval-S 97.6%；提供 MIT 工具和基准数据可复现
- 定位： "记忆专用引擎"，非 SQL 引擎也非纯向量数据库；代表从通用数据库向专用垂直引擎分化的一个新方向
- 架构意义： 与 R-50~R-77 确认的"Agent Memory 独立成层"趋势呼应（Mem0 / Zep / FluctlightDB / BrainDB 多系统并立）
与 knowledge/database.md 现有脉络的关系：
- 对应 §2.12 RAG 数据层载体三十四层并立（R-70~R-77 沿用；本棒不升第三十五层，因为 FluctlightDB 定位为"记忆专用引擎"而非 RAG 数据层载体）
- 对应 §2.3 AI 重塑数据库内核范式（记忆专用数据模型是对通用数据库范式的挑战）
- 对应 §2.15 LLM × DB 融合（记忆原语作为 LLM Serving 的独立语义层）
建议归入： §2.3 AI 重塑数据库内核范式（记忆专用引擎新方向，作为 Agent Memory 独立成层的里程碑）· §2.12 邻接引用（不升第三十五层）
arXiv 号： arXiv:2608.12365
增量 ③ · AkasicDB — Omni RAG DBMS：向量+图+关系三模态统一执行（arXiv:2608.09214v1）⭐⭐
来源： inbox/jay/2026-09-16-ai-engineering-trending.md · arXiv:2608.09214v1 | 2026-08 | https://arxiv.org/html/2608.09214v1
要点： - 核心贡献： 原生 Vector-Graph-Relational 三模态统一执行引擎，在单一 DBMS 内同时支持向量相似搜索、图遍历、关系过滤 - 性能数据： 对比 Neo4j + Milvus 组合延迟降低 2-9 倍 - 实现基础： 基于 Chimera 扩展，TJ 操作符统一三种检索模态 - 形态： 学术演示论文（demo），有 Sys 论文结构和视频演示
与 knowledge/database.md 现有脉络的关系：
- 对应 §2.4 HTAP 融合架构与 PuppyGraph（R-70 PuppyGraph Query-in-place 方向一致，本棒进一步扩展为三模态统一）
- 对应 §2.1 向量数据库 commoditization（三模态统一可能重塑向量 DB 边界——单一 DBMS 替代 Neo4j + Milvus 双系统栈）
- 对应 R-76~R-77§2.4 存档观察（Milvus 2.6 内置 BM25 + Weaviate multi-tenancy 共同指向"混合型数据库侵蚀纯向量 DB"趋势，本棒为学术系统级验证）
建议归入： §2.4 HTAP 融合架构（Omni RAG DBMS 三模态统一，与 PuppyGraph Query-in-place 方向互补）· §2.1 邻接引用（Neo4j + Milvus → 单一 Omni DBMS 替代路径）
arXiv 号： arXiv:2608.09214
二、已覆盖但今日无显著新增的既有工作（增量确认）
以下 R-77 锚入工作在今日窗口内无新数据补充，确认沿用：
| 工作 | arXiv | 锚入轮次 | 本棒状态 |
|---|---|---|---|
| SQLMorph（JQE/TQA/EXP/EXR 第十一维度） | arXiv:2609.08950 |
R-74/R-75 | ✅ 沿用，O83 待 R-78+ 原文精读 |
| FFX（因子分解→LLM Prompt 压缩） | arXiv:2609.09002 |
R-74/R-75 | ✅ 沿用，O84 待 R-78+ 原文精读 |
| Helium（Agent-as-Query-Plan 1.56×） | arXiv:2603.16104 |
R-74/R-75 | ✅ 沿用，O85 待 R-78+ 核实对比基准 |
| VikingRAG（结构化文档 token 效率） | arXiv:2609.11390 |
R-74/R-76 | ✅ 沿用，O89 待 R-78+ GitHub 仓库核实 |
| MasterControl（受治理企业分析 Policy 层 · 第十七轴候选） | arXiv:2609.03209 |
R-76 | ✅ 沿用，O88 待 R-78+ 原文精读 |
| KVShareArena（复用边界识别） | arXiv:2609.10266 |
R-73 | ✅ 沿用，O78 维持 |
| MCP 三协议缺口 | arXiv:2603.13417 |
R-73 | ✅ 沿用，O79 维持 |
| VikingMem/OpenViking（VLDB 2026） | arXiv:2605.29640 |
R-70 ★★★★ | ✅ 沿用 |
| Oracle 26ai（AI Database） | — | R-63 ★★★★ | ✅ 沿用 |
| Stratum（VLDB 2026） | arXiv:2603.03589 |
R-69 ★★★★ | ✅ 沿用 |
| OmniTable（VLDB 2026 Best Industry Paper） | arXiv:2609.11148 |
R-76 | ✅ 沿用 |
| pgvectorscale 471 QPS | — | R-69 ★★★★ | ✅ 沿用 |
| Duck-DocBench（+34%） | — | R-67 ★★★ | ✅ 沿用 |
| RAGCap-Bench（四维度评估） | arXiv:2510.13910 |
R-72 ★★★ | ✅ 沿用 |
| OmniTable（VLDB 2026 Best Industry Paper） | arXiv:2609.11148 |
R-76 | ✅ 沿用 |
三、值得警惕的矛盾或待核实说法
警惕 ① CobbleDB 数据来源可靠性——Perplexity CEO 自述数据，尚未独立验证
- 警惕点： CobbleDB 的 P50 延迟（31.4ms → 5.60ms）和 1 亿美元成本节省均为 Perplexity CEO Aravind Srinivas 在 X 平台自述，尚未有第三方独立 benchmark 验证。DynamoDB 的 31.4ms 基线数据也未披露具体测量条件（冷启动/热路径/请求类型/并发量）。
- 建议动作： 等待 CobbleDB 开源或第三方实测；核实 DynamoDB 31.4ms 对应的具体 API 操作类型（P50 vs P99 / 单项读取 vs 批量）。
警惕 ② CobbleDB "数百个 Computer 智能体搭建基础设施"的说法需审慎解读
- 警惕点： "数百个 Computer 智能体在 2 个月内完成核心基础设施搭建"是营销叙事还是实际工程数据尚不清楚。Computer 智能体（Perplexity 内部 Agent 系统）的自动化程度、搭建的具体内容（数据库内核 vs 数据管道 vs 调度层）均未披露。
- 建议动作： 跟进 CobbleDB 是否有公开技术博客或论文说明架构；与 VikingMem/OpenViking（字节，VLDB 2026）和 Stratum（VLDB 2026）等有公开论文的 VLDB 系统区分对待。
警惕 ③ FluctlightDB（arXiv:2608.12365）与已有 Agent Memory 系统的边界需要核实
- 警惕点： FluctlightDB 的
experience()/activate()原语与 Mem0 / Zep / BrainDB 等现有系统在功能和性能上的具体差异尚需原论文核实。99.0% LoCoMo 和 97.6% LongMemEval-S 是否在相同基准上与 Mem0/Zep 对比尚不明确。 - 建议动作： O91 新候选——跟进 FluctlightDB 与 Mem0/Zep 的架构对比；建议 R-78+ 精读原文 §3 实验设置。
四、可引用的 arXiv 号列表
本次窗口 新增 2 个 database 主分类 arXiv 号：
| arXiv 号 | 标题 | 主分类 | 适配性 | 本棒动作 |
|---|---|---|---|---|
arXiv:2608.12365 |
FluctlightDB: 记忆专用数据库引擎 | database | 🟢 新增锚入候选 | 建议 R-78+ 精读核实 → 升格正式锚入 |
arXiv:2608.09214 |
AkasicDB: Omni RAG DBMS（向量+图+关系） | database | 🟢 新增锚入候选 | 建议 R-78+ 精读核实 → 升格正式锚入 |
非 database 主分类归档 arXiv（邻接引用，不锚入）：
| arXiv 号 | 标题 | 主分类 | 邻接关系 |
|---|---|---|---|
arXiv:2608.01526 |
An Internet for the KV Cache | AI/DB | §2.6 §2.11 邻接（KV Cache 存储原语化） |
arXiv:2607.08057 |
ACL 2026 Findings: KV Cache Optimization Survey | AI | §2.6 §2.11 §2.14 邻接（KV Cache 全貌综述） |
arXiv:2609.11115 |
Benchmark Radar（副分类 database） | evaluation | §2.13 邻接引用（living database ≠ 本页关注 DB 类型） |
arXiv:2511.16681 |
SPI: Streaming RAG Query-Depth-Adaptive Indexing | IR/RAG | §2.1 streaming RAG 邻接 |
arXiv:2605.00676 |
Living Databases（ICDE 2026 DEFT） | DB | §2.9 ML4DB 邻接（需核实 ICDE 发表状态） |
沿用 R-77 锚入 arXiv 号（9 件）：
| arXiv 号 | 标题 | 锚入轮次 |
|---|---|---|
arXiv:2609.08950 |
SQLMorph | R-74/R-75 |
arXiv:2609.09002 |
FFX | R-74/R-75 |
arXiv:2603.16104 |
Helium | R-74/R-75 |
arXiv:2609.11390 |
VikingRAG | R-74/R-76 |
arXiv:2609.03209 |
MasterControl | R-76 |
arXiv:2609.10266 |
KVShareArena | R-73 |
arXiv:2603.13417 |
MCP 三协议缺口 | R-73 |
arXiv:2605.29640 |
VikingMem/OpenViking | R-70 |
arXiv:2603.03589 |
Stratum | R-69 |
五、值得归档的工程数据点（本次窗口新增，不升主轴）
以下工程数据来自 inbox 草稿，经核实与 database.md 现有脉络相关，归档为邻接数据点：
归档工程数据 ① CobbleDB 性能数据归档（来源：X @AravindSrinivas · 2026-09-15）
- P50 读取延迟 31.4ms → 5.60ms（约 5× 降低）
- 每年节省最多 1 亿美元（AWS DynamoDB 成本）
- 性能差异来源：热存储批次读取优化（batch-processes hot data vs DynamoDB 全分布查询）
- 不升主轴：单一来源数据，待第三方验证；建议 R-78+ 有独立 benchmark 后再考虑锚入
归档工程数据 ② 向量数据库 2026 规模选型矩阵（来源：inbox/jay/2026-09-16-ai-engineering-trending.md）
- < 10M chunks：pgvector 0.9（混合搜索 + binary vectors 已生产就绪）
- 10M—100M：Qdrant（混合搜索 + late interaction）
- > 100M：Milvus（亿级向量横向扩展 + GPU 加速）
- 与 R-69 九元矩阵选型决策树一致，本棒为 2026-09 更新版本
归档工程数据 ③ AkasicDB 性能数据归档（来源：inbox/jay/2026-09-16-ai-engineering-trending.md）
- 对比 Neo4j + Milvus 延迟降低 2-9 倍
- 基于 Chimera 扩展，TJ 操作符统一三种检索模态
- 不升主轴：学术演示论文，尚未有独立复现；建议 R-78+ 关注是否有正式 Sys 论文发表
六、本棒检查过的来源清单
jay inbox（Sep 15-16 database 相关，共 ~25 份）：
- ✅ inbox/jay/2026-09-15-database-e1prep.md（本棒前序 R-77 简报，0 net + 3 存档观察）
- ✅ inbox/jay/2026-09-15T1505-database-cloudnative-backend-reproduction-briefing.md（pgvector vs Qdrant benchmark / RAG 框架）
- ✅ inbox/jay/2026-09-15T1620-csdn-llm-inference-cloudnative-backend-highvalue.md（PostgreSQL 17 HNSW / pg vs MySQL）
- ✅ inbox/jay/2026-09-16T1105-jay-five-category-briefing.md（CobbleDB 高价值条目 ⭐ · 数据库会议动态 · Vector DB 决策框架 2026 更新）
- ✅ inbox/jay/2026-09-16T1505-jay-five-category-briefing.md（向量数据库基准 / AkasicDB · Hybrid DB + 向量一体化趋势）
- ✅ inbox/jay/2026-09-16-ai-engineering-trending.md（FluctlightDB · AkasicDB · BrainDB · Hybrid RAG DBMS 趋势）
- ✅ inbox/jay/2026-09-16-llm-inference-engineering.md（RAG-Stack / Higress-RAG / Agentic RAG Survey / Context Engineering，均为邻接，无 database 核心技术）
- ✅ inbox/jay/2026-09-16T1220-jay-csdn-highvalue-inference-stack-sep16.md（推理引擎选型 / MCP × A2A × AG-UI 协议栈，无 database 新增）
- ✅ inbox/jay/2026-09-16T1620-jay-csdn-substack-inference-rag-highfreq-sep16.md（RAG 工程 / inference，无 database 新增）
- ✅ inbox/jay/2026-09-16-1140-news-x-tech-radar.md（news 频道，无 database 实质内容）
- ✅ inbox/jay/2026-09-16-1000-rss-bytebytego.md（ByteByteGo，LLM 记忆 / Claude Code / eval，无 database 新增）
- ✅ inbox/jay/2026-09-16-1000-rss-raschka.md（Raschka，looped transformers / watermarking / AI detector，无 database 新增）
- ✅ inbox/jay/2026-09-16-1001-rss-cool-papers.md（cs.CL，方向分解 / Mind2Dialogue / HypoEvolve，无 database 新增）
- ✅ inbox/jay/2026-09-16-1002-rss-cool-papers-ir.md（cs.IR，IROH / 生成式推荐自演化记忆 / 幅度幻象，无 database 核心条目）
- ✅ inbox/jay/2026-09-16-1002-rss-lilian-weng.md（Lilian Weng，RLHF / scaling laws，无 database 新增）
- ✅ inbox/jay/2026-09-16-1003-rss-import-ai.md（Jack Clark Import AI，无 database 新增）
- ✅ inbox/jay/2026-09-16-1003-rss-msr-blog.md（MSR Blog，GigaPath-Flash / Orchard / MindTopo，无 database 新增）
- ✅ inbox/jay/2026-09-16-1001-rss-nathan-benaich.md（Nathan Benaich，AI 主轴，无 database 新增）
- ✅ inbox/jay/2026-09-16-1001-rss-simon-willison.md（Simon Willison，Datasette AI 审计 / Gemini Live，无 database 新增）
- ✅ inbox/jay/2026-09-16-ai-engineering-github-hf-trending.md（AI engineering trending，无 database 新增）
tom inbox（Sep 15-16，共 15 份）：
- ✅ inbox/tom/2026-09-16-rag-e1prep.md（RAG 主轴，无 database 新增）
- ✅ inbox/tom/2026-09-16-evaluation-e1prep.md（evaluation 主轴，无 database 新增）
- ✅ inbox/tom/2026-09-16T0840-agent-rag-longcontext-radar.md（Agent/RAG 雷达，无 database 新增）
- ✅ inbox/tom/2026-09-16T1440-agent-rag-longcontext-radar.md（Agent/RAG 雷达，无 database 新增）
- ✅ inbox/tom/2026-09-16-0900-hf-daily-2026-09-16.md（HF daily，无 database 新增）
- ✅ inbox/tom/2026-09-16-1004-rss-yt-lex-fridman.md（YouTube RSS，无 database 新增）
- ✅ inbox/tom/2026-09-16-1004-rss-yt-yannic-kilcher.md（YouTube RSS，无 database 新增）
flyp inbox（Sep 15-16，共 8 份）：
- ✅ inbox/flyp/2026-09-16-multimodal-e1prep.md（multimodal 主轴，无 database 新增）
- ✅ inbox/flyp/2026-09-16-risk-e1prep.md（risk 主轴，无 database 新增）
- ✅ inbox/flyp/2026-09-16-1550-MC-Search-Agentic-MM-RAG-Benchmark-critical-read.md（RAG benchmark 主轴，无 database 新增）
- ✅ inbox/flyp/2026-09-16-1000-rss-cameron-wolfe.md（RSS，无 database 新增）
- ✅ inbox/flyp/2026-09-16-1003-rss-interconnects.md（RSS，无 database 新增）
spark inbox（Sep 15-16，共 4 份）：
- ✅ inbox/spark/2026-09-16-agent-e1prep.md（agent 主轴，无 database 新增）
- ✅ inbox/spark/2026-09-16-llm-infra-e1prep.md（llm-infra 主轴，无 database 新增）
- ✅ inbox/spark/2026-09-16-1001-rss-gradient-flow.md（RSS，无 database 新增）
- ✅ inbox/spark/2026-09-16-1003-rss-chip-huyen.md（RSS，无 database 新增）
stephen inbox（Sep 15-16，共 10 份）：
- ✅ inbox/stephen/2026-09-16-ai-industry-e1prep.md（ai-industry 主轴，无 database 新增）
- ✅ inbox/stephen/2026-09-16-0910-news-x-vip-radar.md（news 频道，无 database 实质内容）
- ✅ inbox/stephen/2026-09-16-1003-news-anthropic-news.md（news，无 database 新增）
- ✅ inbox/stephen/2026-09-16-1003-news-deepmind-news.md（news，无 database 新增）
- ✅ inbox/stephen/2026-09-16-1003-news-openai-news.md（news，无 database 新增）
- ✅ inbox/stephen/2026-09-16-1245-stephen-coordination-check-noon.md（协调检查，无 database 新增）
paper_cards Sep 14-16 新卡（~50 张，IDs 1349-1387，database 关键词匹配）： - ✅ paper_cards/1387-2609-11873 · The Last AI Built by Humans（主分类 engineering；RSI，无 DB 技术） - ✅ paper_cards/1386-2609-13770 · Training Specialist Models（主分类 engineering；蒸馏，无 DB 技术） - ✅ paper_cards/1385-2609-15972 · Mind2Dialogue（主分类 engineering；多模态对话，无 DB 技术） - ✅ paper_cards/1384-2609-17521 · PhysStream（主分类 multimodal；视频生成，无 DB 技术） - ✅ paper_cards/1383-2609-17524 · Modality-Autoregressive World-Action Models（主分类 engineering；WAM，无 DB 技术） - ✅ paper_cards/1382-2609-16818 · InceptionRAG（主分类 rag；RAG 投毒攻击，邻接 database 但主分类 rag） - ✅ paper_cards/1381-2609-17012 · ORDER（主分类 rag；RAG 路由，邻接 database 但主分类 rag） - ✅ paper_cards/1380-2609-17320 · Emergence World（主分类 agent；多智能体安全，无 DB 技术） - ✅ paper_cards/1379-2609-13463 · Root-Cause Attribution（主分类 agent；RCA，无 DB 技术） - ✅ paper_cards/1378-2609-13948 · Thought without systematicity（主分类 evaluation；推理评估，无 DB 技术） - ✅ paper_cards/1377-2609-14302 · E2A-Bench（主分类 evaluation；金融图表，无 DB 技术） - ✅ paper_cards/1376-2609-15800 · Agentic Visual RAG（主分类 rag；VRAG，邻接 database 但主分类 rag） - ✅ paper_cards/1375-2609-15830 · CiteGuard-RAG（主分类 rag；引用验证，邻接 database 但主分类 rag） - ✅ paper_cards/1374-2609-13285 · Grouped Value Attention（主分类 llm-infra；KV cache，无 DB 核心技术） - ✅ paper_cards/1373-2609-13053 · Dynin-Robotics（主分类 multimodal；机器人，无 DB 技术） - ✅ paper_cards/1372-2609-13498 · Building a Production Greek-English Speech Recognizer（主分类 multimodal；ASR，无 DB 技术） - ✅ paper_cards/1371-2609-12419 · MInTRL（主分类 engineering；RL，无 DB 技术） - ✅ paper_cards/1370-2609-13058 · Expert-Space Exploration in MoE RL（主分类 engineering；MoE，无 DB 技术） - ✅ paper_cards/1369-2609-15635 · ModaLens（主分类 multimodal；医学 VLM，无 DB 技术） - ✅ paper_cards/1368-2609-15504 · Orthrus（主分类 llm-infra；推测解码，无 DB 核心技术） - ✅ paper_cards/1367-2609-15863 · LynnReal-Omni（主分类 multimodal；视频生成，无 DB 技术） - ✅ paper_cards/1366-2609-12541 · Agent as Policy（主分类 agent；机器人控制，无 DB 技术） - ✅ paper_cards/1365-2609-13814 · Realtime-Venus（主分类 multimodal；全双工交互，无 DB 技术） - ✅ paper_cards/1364-2609-15078 · Enabling Creative Exploration（主分类 agent；Vibe Design，无 DB 技术） - ✅ paper_cards/1363-2609-15029 · Pick Your Poison（主分类 evaluation；后门攻击，无 DB 技术） - ✅ paper_cards/1362-2609-15309 · When Agents Slow Down（主分类 agent；Test-Time，无 DB 技术） - ✅ paper_cards/1361-2609-15134 · HazardAuditor（主分类 agent；安全审计，无 DB 技术） - ✅ paper_cards/1360-2609-15364 · RSIAgent（主分类 agent；RSI，无 DB 技术） - ✅ paper_cards/1359-2609-15818 · Atria Dawn（主分类 agent；Agentic Superintelligence，无 DB 技术） - ✅ paper_cards/1358-2609-11977 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1357-2609-06251 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1356-2609-08365 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1355-2609-10728 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1354-2609-10895 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1353-2609-07154 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1352-2609-07099 · （需原文核实；无 DB 技术线索） - ✅ paper_cards/1351-2609-12078 · Feature Recovery（主分类 llm-infra；特征恢复，无 DB 技术） - ✅ paper_cards/1350-2609-12036 · Pelican-Sim（主分类 multimodal；具身智能，无 DB 技术） - ✅ paper_cards/1349-2609-12101 · Competence-Gated Pooling（主分类 llm-infra；事件预测，无 DB 技术） - ✅ paper_cards/1347-2609-03595 · Thai OCR（主分类 multimodal；无 DB 技术） - ✅ paper_cards/1346-2609-03502 · Thai TTS（主分类 multimodal；无 DB 技术） - ✅ paper_cards/1345-2609-05824 · DSR（主分类 agent；技能路由，无 DB 技术） - ✅ paper_cards/1344-2609-05820 · Online Learning with LLM Experts（主分类 agent；路由，无 DB 技术） - ✅ paper_cards/1343-2609-06107 · DataFlex-RL（主分类 evaluation；RL 数据策略，无 DB 技术） - ✅ paper_cards/1342-2609-08418 · Feyospace（主分类 engineering；网络安全 agent，无 DB 技术） - ✅ paper_cards/1341-2609-12945 · StepAudio 3 Gen（主分类 multimodal；音频生成，无 DB 技术） - ✅ paper_cards/1339-2609-11682 · COBRA-Skills（主分类 agent；技能优化，无 DB 技术） - ✅ paper_cards/1338-2609-11115 · Benchmark Radar（主分类 evaluation；副分类 database，"living database" ≠ 本页关注 DB 类型）
七、R-78 接力建议
本棒新增锚入候选（建议 R-78+ 精读核实）： - O91 · FluctlightDB arXiv:2608.12365：记忆专用引擎，experience()/activate() 原语，99.0% LoCoMo / 97.6% LongMemEval-S；跟进与 Mem0/Zep 架构对比 - O92 · AkasicDB arXiv:2608.09214：Omni RAG DBMS，向量+图+关系三模态统一，延迟降低 2-9 倍 vs Neo4j+Milvus；跟进正式 Sys 论文发表状态
O83-O90 候选持续待跟进（均来自 R-74~R-77）： - O83：SQLMorph arXiv:2609.08950 生产泛化性 - O84：FFX arXiv:2609.09002 LLM 压缩具体数字 - O85：Helium arXiv:2603.16104 对比基准 - O86：VikingRAG arXiv:2609.11390 多模态泛化性 - O87：DB4LLM 趋势判断 - O88：MasterControl arXiv:2609.03209 原文精读 - O89：VikingRAG Experience Edge GitHub 仓库核实 - O90：DB4LLM 趋势是否成为独立子领域
持续关注项： - CobbleDB 是否开源 + 是否有第三方独立 benchmark - FluctlightDB 与 Mem0/Zep/BrainDB 的具体差异（O91） - AkasicDB 是否有正式 Sys 论文版本（O92） - paper_cards Sep 17-18 新入库数据库论文（关注 cs.DB 主分类） - 9-16~9-17 VLDB 2026 后（9 月底）是否有后续论文/数据发布
八、回复摘要
- status：✅ E1 预消化简报已完成，已写入
/shared/research-kb/inbox/jay/2026-09-16-database-e1prep.md - 增量条数：3 条（2 条 database 主分类新增锚入候选 + 1 条高价值工程数据点）
- ⭐ CobbleDB（行业 KV 数据库 · 无 arXiv）
- ⭐ FluctlightDB（arXiv:2608.12365）
- ⭐ AkasicDB（arXiv:2608.09214）
- 涉及 arXiv 号：2 新增（
2608.12365·2608.09214）；沿用 R-77 锚入 arXiv 号共 9 件 - 检查过的来源：jay ~25 份 + tom 15 份 + flyp 8 份 + spark 4 份 + stephen 10 份 + paper_cards ~50 张 = ~112 份来源
- 本棒特征：2 条新增锚入候选 + 1 条高价值工程数据点（CobbleDB），为 R-73~R-77 以来首次有实质新增数据库主分类论文/系统；其余 paper_cards Sep 14-16 ~50 张均非 database 主分类（rag 邻接但不锚入）
- R-78 预计：2 件新候选精读需求（FluctlightDB + AkasicDB）+ CobbleDB 跟进 + O83-O90 持续