2026-09-22 下午检索：CSDN 高价值 + Substack AI 周刊

实例： Jay
时间： 2026-09-22 16:20 (Asia/Shanghai)
检索范围： CSDN LLM/RAG/Agent/TensorRT + Substack AI research

一、CSDN 高价值条目（严格筛选）

🔴 工程价值高

1. PyTorch/TensorRT 运行时部署指南：从编译到生产环境

  • 链接： https://blog.csdn.net/gitblog_01180/article/details/148782696
  • 发布时间： 2025-06-20
  • 作者： gitblog_01180
  • 工程价值： ★★★★
  • 完整覆盖 PyTorch → ONNX → TensorRT 全链路
  • 含 C++ 链接命令：-Wl,--no-as-needed -ltorchtrt -Wl,--as-needed
  • 生产环境配置说明，有版本、环境、命令
  • 版本信息： PyTorch 动态图特性、TensorRT 引擎构建
  • 复现价值： 中高——有完整步骤，适合生产部署参考
  • 建议分类： inference-engineering production-deployment tensorrt

2. 从 PyTorch 到 TensorRT：动态 batch 模型简化全流程（含 onnxsim 优化步骤）

  • 链接： https://blog.csdn.net/echo99/article/details/155062830
  • 发布时间： 2026-03-09
  • 作者： echo99
  • 工程价值： ★★★★
  • 动态 Batch + ONNXSIM 联合优化实战
  • YOLO26 边缘部署案例（ONNX + OpenVINO）
  • 动态维度处理、Optimization Profile 配置
  • 版本信息： TensorRT 动态输入配置
  • 复现价值： 高——有具体命令步骤和避坑指南
  • 建议分类： inference-engineering tensorrt onnx edge-deployment

3. AI 模型编译优化：从 PyTorch 到 ONNX 到 TensorRT 的推理加速全链路

  • 链接： https://blog.csdn.net/no1coder/article/details/162315024
  • 发布时间： 2026-06-25
  • 作者： no1coder
  • 工程价值： ★★★★
  • 全链路覆盖：PyTorch → ONNX → TensorRT
  • 量化感知训练（QAT）与 INT8 精度校准实践
  • 层融合、INT8 量化、内核实例化、自动调优
  • 版本信息： PyTorch 量化感知训练流程
  • 复现价值： 高——系统方法论，有实际量化配置
  • 建议分类： inference-engineering quantization tensorrt optimization

4. 避免大模型部署陷阱：提前做好 TensorRT 兼容性验证

  • 链接： https://blog.csdn.net/weixin_33814090/article/details/156345626
  • 发布时间： 2026-01（估算）
  • 工程价值： ★★★★
  • 排障导向：动态维度、算子兼容性矩阵、优化器配置
  • BEVFormer 在 JetPack 6.2 + TensorRT 10.3 适配实战
  • MultiScaleDeformableAttention（MSDA）和 grid_sample 算子 ONNX 兼容问题
  • 复现价值： 高——真实排障经验，特定版本（TensorRT 10.3）
  • 建议分类： inference-engineering tensorrt troubleshooting embedded

5. 从 PyTorch 到 TensorRT：大模型高效部署的 7 大陷阱与避坑指南

  • 链接： https://codearts.csdn.net/6a92d8b82b83d06f0ec988a3.html
  • 平台： 码道开发者社区（CSDN 子站）
  • 工程价值： ★★★★
  • 7 大陷阱系统梳理：量化、动态输入、内存、kernel 调度
  • PyTorch profiler 配置（CPU/CUDA 联合 profiling）
  • 生成式 AI 推理性能优化 10 倍加速实战
  • 版本信息： TorchScript JIT、PyTorch Profiler
  • 复现价值： 高——命令级配置，指标表格（GPU 利用率理想值 >85%）
  • 建议分类： inference-engineering profiling tensorrt optimization

🟡 RAG / Context Engine 实用向

6. 从 RAG 到 Context Engine：2025 实战总结与 2026 落地指南

  • 链接： https://blog.csdn.net/yangshangwei/article/details/156135340
  • 发布时间： 2025-12-29
  • 阅读量： 1.1k 次，点赞 23，收藏 15
  • 工程价值： ★★★
  • 三个核心问题：现代 RAG 搭法、RAG → Context Engine 升级、Agent 知识库+Memory+Tool Retrieval
  • 实战向，非理论概述
  • 建议分类： rag context-engine agentic-rag

7. RAG 2026 已进入"Agentic RAG"时代（含 arXiv 论文引用）

  • 链接： https://blog.csdn.net/qcx23/article/details/161871226
  • 发布时间： 2026-06-10
  • 工程价值： ★★★
  • 引用 arXiv:2601.01885——LLM Agent 记忆管理（STM+LTM 协同）
  • 关键数据：5 benchmark 平均 +49.59%，比 Mem0 高 +4.82pp
  • Filter 工具使用率从 0.02→0.31 说明选择性记忆效果
  • 建议分类： agentic-rag memory-systems arxiv

8. 2026 AI 开发实战：RAG + AI Agent 企业级方案深度解析（完整可运行代码）

  • 链接： https://blog.csdn.net/Tong20061011/article/details/158848913
  • 发布时间： 2026-03-09
  • 工程价值： ★★★
  • 包含工具调用、多 Agent 协作、企业级部署等 12 个实战项目
  • LangChain 框架 + RAG 组合
  • 建议分类： rag agent langchain enterprise

二、Substack 高价值条目

🔴 AIxFunda — Top LLM, RAG and Agent Updates

专栏： https://aixfunda.substack.com/

2026 年 2 月第 2 周周刊（Feb Week 2, 2026）

  • 链接： https://aixfunda.substack.com/p/top-llm-rag-and-agent-updates-of-03a
  • 核心内容：
  • OpenAI GPT-5.3-Codex-Spark：>1000 tokens/s，专为 coding 优化的 pair programmer
  • LLaDA2.1（100B diffusion LM）：892 tokens/s，Token-to-Token editing via Error-Correcting Editable engine
  • Z AI GLM-5（744B 参数）：Artificial Analysis Intelligence Index 首次达到 50 分
  • Together AI Speculative Speculative Decoding（SSD）：H100 上 2x 加速
  • 评价： 信息密度高，每周更新，涵盖模型发布 + benchmark 数据

2026 年 3 月第 1 周周刊（Mar Week 1, 2026）

  • 链接： https://aixfunda.substack.com/p/top-llm-rag-and-agent-updates-of-5f9
  • 核心内容：
  • Olmo Hybrid 7B：Gated DeltaNet + Attention 3:1 混合，75% attention 计算削减，完全开源
  • Qwen3.5 Small Models（0.8B/2B/4B/9B）：9B 版本 MMLU-Pro 82.5，超越 GPT-OSS-120B
  • Google gws CLI for Workspace Terminal Management
  • 评价： 模型发布速递 + 技术规格，可信度高

🟡 Future AGI — LLM Evaluation 工具链

专栏： https://futureagi.substack.com/

The Complete Guide to LLM Evaluation Tools in 2026

  • 链接： https://futureagi.substack.com/p/the-complete-guide-to-llm-evaluation
  • 核心内容：
  • LLM-as-Judge 方法论、RAGAS、HallucinationEvaluator、QAEvaluator
  • 多模态评测（text、image、audio、video）
  • Patronus AI：91% 人类判断一致率
  • Phoenix UI 可视化监控
  • 评价： 评测工具全景图，工程落地参考价值高

🟡 The Nuanced Perspective — AI Agent Stack 2026

专栏： https://thenuancedperspective.substack.com/

How to Choose Your AI Agent Stack in 2026

  • 链接： https://thenuancedperspective.substack.com/p/how-to-choose-your-ai-agent-stack
  • 核心观点：
  • 2026 年评测范式转移：从 one-shot eval 到 continuous improvement loop
  • LLM judges 成为默认 grading 方法
  • Hybrid search（vector + keyword + metadata）已成生产默认
  • Naive RAG（纯语义相似度）已很少直接上线
  • 评价： 工程决策视角，避免踩坑，适合生产架构选型

🟡 jamwith AI — Production AI/ML Systems 路线图

专栏： https://jamwithai.substack.com/

The 2026 Roadmap: Production AI/ML Systems

  • 链接： https://jamwithai.substack.com/p/the-2026-roadmap-production-aiml
  • 核心内容：
  • Build basic RAG → Measure it → Add relationship → Handle multimodal
  • Graph RAG with Neo4j（多跳查询）路线
  • Q2 2026：AI Agents Course 自学 + Q3 NLP Course fine-tuning
  • 评价： 学习路径规划视角，实战迭代思路清晰

三、汇总建议

条目 类型 分类标签 建议操作
PyTorch/TensorRT 运行时部署指南 CSDN 工程 inference-engineering, tensorrt, production 精读：生产部署可参考
动态 batch + ONNXSIM 优化全流程 CSDN 工程 inference-engineering, onnx, tensorrt, edge 精读：动态输入处理实战
AI 模型编译优化全链路（QAT/INT8） CSDN 工程 quantization, tensorrt, inference-engineering 精读：量化工程必读
避免大模型部署陷阱（TensorRT 兼容性） CSDN 排障 troubleshooting, tensorrt, embedded, jetpack 精读：特定版本排障
7 大陷阱与避坑指南 CSDN 工程 profiling, tensorrt, optimization 精读：GPU profiling 指标
从 RAG 到 Context Engine（2025 总结） CSDN 实战 rag, context-engine, agentic-rag 收藏：RAG 演进参考
AIxFunda Weekly（Feb/Mar 2026） Substack weekly-newsletter, model-release, benchmark 收藏：每周跟进
Future AGI LLM Evaluation Guide Substack evaluation, llm-as-judge, ragas, multimodal 收藏：评测工具链
AI Agent Stack 2026 Substack agent-stack, hybrid-search, evaluation 收藏：架构选型
Production AI/ML 2026 Roadmap Substack learning-path, graph-rag, multiagent 参考：学习路线

建议写入路径： /shared/research-kb/inbox/jay/2026-09-22-1620-jay-csdn-tensorrt-rag-stack-substack.md
是否需要精读/审稿： CSDN TensorRT 系列（条目 1-5）工程价值高，建议精读；Substack 条目建议收藏跟进
主题页更新建议： inference-engineering、rag、agentic-rag、tensorrt、evaluation