CSDN 高价值技术检索补遗报告 · 2026-09-28 傍晚补录

主题：CSDN 推理框架 + MCP 多平台配置 + PDF 解析 + SGLang AMD 优化 时间：2026-09-28 · 16:20（傍晚补遗轮） 实例：Jay 去重依据：已核验今日文件 2026-09-28-csdn-inference-frameworks-vllm-sglang-mcp.md、2026-09-28-csdn-rag-agent-research.md；本文件聚焦两条未被今日文件覆盖的高价值线索

一、本次检索范围

二、候选条目

🔴 高价值条目 A（源码级 SGLang 生产调优）

CSDN #157367672 — SGLang 社区贡献：AMD MI300X 长序列推理 TileLang 优化

• 标题：SGLang社区贡献指南：源码修改+本地部署实战
• 链接：https://blog.csdn.net/weixin_35734408/article/details/157367672
• 发布时间：2026年（具体月份待核）
• 作者：weixin_35734408
• 工程价值：⭐⭐⭐⭐⭐
• 复现价值：高——是少数记录 AMD MI300X + SGLang 生产调优实战 + PR 提交全流程的 CSDN 文章
• 核心内容：
• AMD MI300X 在大模型长序列推理场景的性能瓶颈分析
• TileLang 算子分块策略优化（核心改动点）
• 优化后吞吐量显著提升的实测数据
• 提交 PR 到 SGLang 主线的完整步骤记录
• SGLang 本地部署实战
• 可信度判断：中高——PR 流程记录有据可查，但缺具体版本号需核验
• 涉及版本：SGLang 主线版本（2026年），AMD ROCm 环境
• 建议分类：SGLang AMD MI300X TileLang 生产调优 开源贡献
• 后续行动： 1. 核验该 PR 是否已合并至 SGLang GitHub 主线 2. 对照 AMD ROCm 官方文档确认 MI300X + SGLang 兼容性 3. 如在用 AMD GPU 环境，可直接参考 TileLang 分块策略

🟡 高价值条目 B（多平台 MCP 配置实操手册）

CSDN #164431330 — MCP Server 接入实战：9种平台配置差异与凭证安全

• 标题：MCP Server 接入实战：9种平台配置差异与凭证安全
• 链接：https://blog.csdn.net/weixin_40192882/article/details/164431330
• 发布时间：2026年9月（已核实：按各平台官方文档逐一核实，2026-09）
• 作者：weixin_40192882
• 工程价值：⭐⭐⭐⭐⭐（实操手册级别，不可替代性高）
• 复现价值：高——含9个平台的具体配置文件路径、最小配置示例、排错要点
• 核心内容：
• MCP 配置本质澄清：在各客户端配置文件中声明启动哪个 server、连接方式、环境变量
• 9平台对照表（含各平台配置文件路径和顶层键名）： | 平台 | 配置文件位置 | 顶层键名 | |------|------------|---------| | Claude Desktop | ~/.claude/settings.json | mcpServers | | Claude Code | ~/.claude/mcp.json（官方明确此路径不读取！） | mcpServers | | Cursor | ~/.cursor/mcp.json | mcpServers | | VS Code | settings.json | mcpServers | | Windsurf | ~/.windsurf/mcp.json | mcpServers | | Codex CLI | 需核实 | | | Gemini CLI | 需核实 | | | Hermes Agent | 需核实 | | | OpenClaw | ~/.openclaw/mcp.json | mcpServers |
• 高频踩坑点：
  • Claude Code 用户级配置路径官方已明确不读取（~/.claude/mcp.json 是错误写法）
  • GitHub Token / Brave API Key 写错静默失败，必须测试验证
  • Filesystem Server 路径要具体，给具体项目路径而非根目录
• MCP Server 四类来源：官方参考实现 / 社区开源 / SaaS 官方 / 自研
• 敏感凭证安全姿势
• Node.js ≥18 要求（低于18报错）
• npx 首次启动慢（约10-30秒），建议手动调用一次预热
• 甜点值：7个 Server 同时运行最佳，超过10个 LLM 选择工具时会犹豫
• 可信度判断：高——明确标注2026-09按各平台官方文档逐一核实，含路径勘误
• 涉及工具/版本：Claude Desktop、Claude Code、Cursor、VS Code、Windsurf、Codex CLI、Gemini CLI、Hermes Agent、OpenClaw、DSH；Node.js ≥18
• 建议分类：MCP 多平台配置 DevTools Claude Cursor 凭证安全 2026
• 后续行动： 1. 精读候选，重点提取9平台完整路径对照表 2. 对照 OpenClaw 官方 MCP 配置文档交叉核验（已有 OpenClaw 实例可实测） 3. 可纳入"开发者工具链/MCP"主题页

🟡 高价值条目 C（RAG 文档解析技术专项）

CSDN #136687017 — LLM之RAG实战（二十九）：PDF 解析全解

• 标题：LLM之RAG实战（二十九）| 探索RAG PDF解析
• 链接：https://blog.csdn.net/wshzd/article/details/136687017
• 发布时间：2024-03-13（2025-10-21 仍有最新推荐）
• 作者：wshzd
• 工程价值：⭐⭐⭐⭐（工程实践型，方法论通用，2026年依然适用）
• 复现价值：高——含 pypdf / Unstructured / LlamaIndex 多工具对比代码
• 核心内容：
• 两种 PDF 解析路线对比：
  1. 基于规则（pypdf）：根据文档组织特征判断区块类型；通用性差，无法覆盖所有布局
  2. 基于深度学习（目标检测+OCR）：Unstructured 库分区、清理、暂存、分块流程
• LlamaIndex PDF 解析实战：结合 PyPDFLoader + Gemini Embedding + Gemini LLM
• 多列布局处理：bbox 坐标判断左右列 + 按 y 坐标排序
• Unstructured 库核心功能：分区、清理、暂存、分块；支持 PDF/Word/HTML 等多种格式
• GraphRAG + PDF 的痛点：主流 GraphRAG 框架多数不支持 PDF 格式
• 企业内部大量 PDF 文档整合进知识库的工程挑战
• LlamaIndex 混合搜索自定义 Retriever：PyPDF + Gemini Embedding + Gemini LLM
• 可信度判断：中高——2024年文章，2025年10月被推荐；方法论基本通用，需核验 Unstructured 最新版本 API
• 涉及版本：pypdf、Unstructured、LlamaIndex（版本号待核）、Gemini Embedding
• 建议分类：RAG PDF解析 文档处理 Unstructured LlamaIndex 多模态RAG
• 后续行动： 1. 核验 Unstructured 库 2026年最新版本 API 是否变化 2. 对照 LangChain PDF 解析文档补充对比 3. 可纳入"文档解析/知识库构建"主题页

🟡 高价值条目 D（LangChain RAG + Agent 完整 Demo 源码）

CSDN #162990807 — LangChain项目实战源码：RAG + Agent 完整 Demo 解析

• 标题：LangChain项目实战源码：RAG + Agent 完整 Demo 解析
• 链接：https://blog.csdn.net/2501_93100691/article/details/162990807
• 发布时间：2026年7月（最新推荐）
• 工程价值：⭐⭐⭐⭐（FastAPI + ChromaDB + LangChain 完整可运行项目）
• 复现价值：高——含目录结构、核心服务、API 接口、可运行脚本
• 核心内容：
• 技术栈：LangChain 0.3.x · ChromaDB · FastAPI · OpenAI 兼容 API（DeepSeek 等）
• 项目结构： langchain-rag-agent/ ├── main.py # FastAPI 入口，定义路由 ├── config.py # 配置层（API 地址、模型名、Embedding 模型） ├── build_kb.py # 知识库构建脚本 ├── rag_service.py # RAG 服务 ├── agent_service.py # Agent 服务 └── data/knowledge/ # 放入 PDF/MD，重新跑 build_kb.py
• API 路由： | 方法 | 路由 | 功能 | |------|------|------| | POST | /api/rag/ask | RAG 知识库问答 | | POST | /api/agent/chat | Agent 智能对话 | | GET | /api/health | 健康检查 |
• 设计思路：入口薄、服务厚——main.py 只做路由和参数校验，业务逻辑封装在 rag_service 和 agent_service 中
• 配置示例（.env）：openai_api_base、model_name、embedding_model
• Agent 创建：create_react_agent(llm, tools, prompt)
• 扩展路径：加鉴权（FastAPI 中间件）、RAG + Agent 融合（新建 hybrid_service.py）、加业务 Tool（查订单/库存）
• 避坑指南：DeepSeek 若不支持 Embedding，需换 DashScope 或 OpenAI Embedding 接口
• 验证清单：本地启动 → 构建知识库 → Swagger 测试 → 接入自有文档
• 可信度判断：中——实战型文章，结构清晰，缺 LangChain 0.3.x 具体小版本号
• 涉及版本：LangChain 0.3.x、ChromaDB（版本号待核）、FastAPI（版本号待核）
• 建议分类：LangChain RAG Agent FastAPI ChromaDB 源码 生产级
• 后续行动： 1. 核验 LangChain 0.3.x 最新版本与项目兼容性 2. 建议对照 LangChain 官方 RAG + Agent 示例验证架构 3. 可纳入"LangChain 实战/RAG 系统"主题页

三、综合分析与GAP判定

四、分类标签汇总

五、精读 / 审稿 / 主题页更新建议

🔴 优先精读（Top 2）

1. 条目 B（MCP 9平台配置） — 实操手册，OpenClaw 也在列表中，可直接实测核验路径
2. 条目 A（SGLang AMD MI300X） — TileLang 分块策略优化是罕见专项内容，AMD GPU 用户直接受益

🟡 建议审稿

• 条目 C（PDF 解析） — Unstructured 库 API 在 2026年是否有 Breaking Changes 需核验

🟡 建议主题页更新

• 新增或更新 MCP（Model Context Protocol） 主题页：纳入条目 B（多平台配置）
• 更新 SGLang 主题页：纳入条目 A（AMD MI300X 优化）

六、写入路径

建议写入：/shared/research-kb/inbox/jay/2026-09-28T1620-jay-csdn-sglang-amd-mcp-platforms-pdf-rag-evening-gap.md

本文件即草稿，可直接审稿后纳入知识库。

七、备注

• 条目 B 中 OpenClaw MCP 配置路径（~/.openclaw/mcp.json）与本次任务实例直接相关，建议优先实测核验
• 条目 D 为 LangChain 0.3.x 项目，与旧版 LangChain API 可能有差异，精读时需注意版本
• CSDN 搜索结果中有大量"付费内容"（需 CSDN 会员），本次只收录免费可访问摘要片段
• 建议后续：用浏览器自动化批量抓取今日发现的高价值 CSDN 原文，提升知识库内容深度