知识库草稿 · Jay · 2026-10-09

主题

RAG / Context Engine / LLM系统 · CSDN高价值技术分享 + arXiv 2026 Agent/RAG新论文 + Substack工程洞察

一、CSDN高价值条目（严格筛选，含源码/命令/版本/复现经验）

🔷 条目 1｜从RAG到Context Engine：2025实战总结与2026落地指南

  • URL: https://blog.csdn.net/yangshangwei/article/details/156135340
  • 来源: CSDN博客，CC 4.0 BY-SA版权协议
  • 发布: 2025年（修改时间2026）
  • 核心观点:
  • RAG在2026年从"检索增强生成组件"升级为面向Agent的"上下文引擎（Context Engine）"，接管知识库、Memory和Tool Retrieval三类上下文
  • 长上下文/KV Cache/Grep各有限制，无法在成本/灵活性/可治理性上全面替代RAG
  • 现代RAG = 知识入口，KV Cache = 高频问答，Context Engine = 企业Agent中台
  • 工程价值: ⭐⭐⭐⭐⭐
  • ✅ 含端到端Python代码（ingest_document / tree_rag_retrieve / build_kg_from_doc）
  • ✅ 含RAG vs KV Cache vs 长上下文对比表
  • ✅ 含Embedding Model原理（向量等价变换，几何直觉）
  • ✅ 适合作为"Context Engine"主题页的技术骨架
  • 版本/环境: Python, 未指定具体依赖版本（需实地核查）
  • 分类标签: RAG Context Engine LLM应用 2025实战 2026演进
  • 建议写入: /shared/research-kb/review/rag-context-engine-2026.md
  • 是否精读: 是（Context Engine概念框架与代码示例可直接引用）

🔷 条目 2｜26.RAG实战：从向量数据库到GraphRAG

  • URL: https://blog.csdn.net/weixin_37647148/article/details/162175188
  • 发布: 2026-06-22（原创）
  • 阅读量: 297
  • 核心观点:
  • 完整RAG技术栈对比：Embedding选型（BGE-M3/OpenAI/Voyage 3）、向量库横评（Milvus/Qdrant/Chroma/Pinecone）、Rerank模型
  • 2023朴素RAG → 2026 Agentic RAG演进路径，含多跳检索+自反思
  • PDF解析工具对比：LlamaParse（商业） vs MinerU（国产开源）
  • GraphRAG / Adaptive RAG / Self-RAG进阶方案横向对比
  • 工程价值: ⭐⭐⭐⭐⭐
  • ✅ 含完整架构图（用户问题→embedding→检索→rerank→LLM生成）
  • ✅ 含Milvus实战代码（Python）
  • ✅ 含Embedding模型选型对比表（BGE-M3为中文首选）
  • ✅ 含切片策略代码（RecursiveCharacterTextSplitter / HierarchicalNodeParser）
  • ✅ 含生产级RAG推荐栈：LlamaIndex/LangChain + Milvus + BGE + vLLM
  • 分类标签: RAG GraphRAG 向量数据库 Milvus BGE 2026 工程实践
  • 建议写入: /shared/research-kb/review/rag-engineering-2026.md
  • 是否精读: 是（向量库选型表+代码可直接用于主题页更新）

🔷 条目 3｜CUDA Kernel优化原理与SGLang中的实现机制

  • URL: https://blog.csdn.net/daydayup858/article/details/153785678
  • 发布: 2026-03-11（原创）
  • 阅读量: 594
  • 核心观点:
  • CUDA Kernel级别优化原理（未详细展开，需精读）
  • SGLang中Page Attention机制源码解析
  • 分页缓存设计：(num_pages, page_size, num_head_kv, head_dim)
  • 内存对齐检查代码：alignment = 16 // q.element_size()
  • 断言验证：分页表类型检查、多头注意力分组检查、设备检查
  • 性能数据：vLLM QPS=18.7（Llama2-13B），SGLang首token延迟降低40%
  • 工程价值: ⭐⭐⭐⭐⭐
  • ✅ 源码级assert断言示例（可作为CUDA Kernel开发参考）
  • ✅ 含性能对比数据
  • ✅ SGLang/vLLM推理优化主题核心文献
  • 版本/环境: Python + CUDA，未标注具体版本
  • 分类标签: CUDA SGLang 推理优化 Kernel vLLM PageAttention 2026
  • 建议写入: /shared/research-kb/review/llm-inference-optimization-2026.md
  • 是否精读: 是（推理优化主题页核心条目，源码级）

🔷 条目 4｜大模型技术全景：从LLM到RAG的实战解析

  • URL: https://bbs.csdn.net/weixin_32377497/article/details/100226833
  • 发布: 2026-07-25（修改）
  • 核心观点:
  • 医疗场景：CT/医学本体+动态知识图谱+RAG，支持循证等级标注回答
  • 金融场景："四轮驱动"混合检索架构（向量检索+关键词检索+SQL检索+规则引擎）
  • 效果数据：法条引用准确率 71% → 93%，响应速度 8.2s → 3.5s
  • 踩坑实录：PDF水印误识别（图像预处理解决方案）、法规时效性（每周自动检测）、幻觉控制（强制标注法条编号）
  • 工程价值: ⭐⭐⭐⭐
  • ✅ 含量化评测数据（医疗/金融两个场景）
  • ✅ 含生产级踩坑记录（PDF解析/幻觉控制）
  • ✅ 混合检索架构值得参考
  • 分类标签: RAG 金融RAG 医疗RAG 混合检索 评测 踩坑实录
  • 建议写入: /shared/research-kb/review/rag-domain-applications-2026.md
  • 是否精读: 建议（场景化RAG落地参考，踩坑部分值得摘录）

🔷 条目 5｜LLM大模型系统学习指南与实战解析

  • URL: https://bbs.csdn.net/weixin_42530570/article/details/100218836
  • 发布: 2026-07-22（修改）
  • 核心观点:
  • 三层架构梳理：基础架构层（计算图/自动微分/分布式训练）→ 模型工程层（PEFT/预训练数据流水线）→ 应用开发层（RAG/Agent/评估）
  • Ollama命令示例：模型管理基础操作
  • 技术栈：Flash Attention、QLoRA、vLLM、PagedAttention、量化部署
  • 强调"小模型+好工具+强工程"实践范式
  • 工程价值: ⭐⭐⭐⭐
  • ✅ 含Ollama命令示例
  • ✅ 含LLM技术栈全景图（三层结构可参考）
  • ⚠️ 文章为学习路径类，非实操深度文章
  • 分类标签: LLM系统 学习路径 Ollama vLLM PEFT 2026
  • 建议写入: /shared/research-kb/review/llm-engineering-learning-path-2026.md
  • 是否精读: 参考（三层架构框架可作为主题页目录参考）

🔷 条目 6｜纯C语言从零实现GPT-2：Transformer底层原理+逐模块代码

  • URL: https://blog.csdn.net/chen1415886044/article/details/164404678
  • 核心观点:
  • 纯C语言实现GPT-2，零依赖，作为逐步引入CUDA优化的基准代码
  • 逐模块实现Transformer：Attention/FFN/LayerNorm/残差连接
  • 教学向，目标是"啃透Transformer底层原理"
  • 工程价值: ⭐⭐⭐⭐⭐
  • ✅ 源码级实现（纯C，无框架依赖）
  • ✅ 可复现，可作为CUDA优化前基准
  • ✅ 注意力机制/QKV矩阵几何意义/RoPE旋转编码可配套学习
  • 分类标签: Transformer GPT-2 C语言 原理 CUDA优化基准 教学
  • 建议写入: /shared/research-kb/review/transformer-implementation-c.md
  • 是否精读: 建议（原理类，适合作为Transformer源码学习伴侣）

🔷 条目 7｜2025最火AI工程实战库：从LLM到RAG全栈项目代码解析

  • URL: https://blog.csdn.net/gitblog_01148/article/details/151070908
  • 发布: 2026-01-30（原创），2026-03-19最后推荐
  • 核心观点: ai-engineering-hub项目解析，含database-memory-agent（MongoDB Atlas+RAG+Voyage AI）、multiplatform_deep_researcher（MCP多智能体）等实战项目
  • 工程价值: ⭐⭐⭐（CC 4.0，项目汇总性质，可作为索引参考）
  • 分类标签: AI工程 开源项目 RAG Multi-Agent MCP
  • 建议写入: /shared/research-kb/review/ai-engineering-hub-2026.md
  • 是否精读: 快速浏览（项目索引价值）

二、arXiv 2026年新论文（Agent/RAG方向）

📄 Retrieval-Augmented LLM Agents: Learning to Learn from Experience

  • URL: https://arxiv.org/abs/2603.18272
  • 会议: EMNLP 2026 - Main Conference
  • 作者: EMNLP 2026 accepted paper
  • 核心观点: LLM Agent通过RAG从经验中学习，检索增强的自主Agent框架
  • 可信度: 高（顶会接受）
  • 分类标签: arXiv RAG LLM Agent EMNLP2026
  • 后续行动: 需精读全文，核验实验设置和Baseline对比

📄 Fine-tuning with RAG for Improving LLM Learning of New Skills

  • URL: https://arxiv.org/abs/2510.01375
  • 会议: ICLR 2026（审稿中）
  • 核心观点: 将RAG与Fine-tuning结合，提升LLM学习新技能的能力
  • 可信度: 待定（审稿中）
  • 分类标签: arXiv RAG Fine-tuning ICLR2026
  • 后续行动: 跟踪审稿结果，核验实验设计

📄 AgentKGV: Agentic LLM-RAG Framework with Two-Stage Training（2026.7）

  • URL: arXiv（从Awesome-Search-Agent-Papers列表引用）
  • 核心观点: 两阶段训练的Agentic LLM-RAG框架，用于知识图谱事实验证
  • 可信度: 待核验
  • 分类标签: arXiv Agentic RAG 知识图谱 2026

📄 ECHO: Prune to act, trace to learn with selective turn memory（2026.6）

  • URL: arXiv
  • 核心观点: 选择性记忆管理，用于Agentic RL中的动作剪枝
  • 分类标签: arXiv Agent RL Memory 2026

📄 GraphPO: Graph-based Policy Optimization for Reasoning Models（2026.6）

  • URL: arXiv
  • 核心观点: 图结构策略优化，用于推理模型
  • 分类标签: arXiv Graph RL Reasoning 2026

📄 CIGPO: Contextual Information-Gain Policy Optimization（2026.7）

  • 核心观点: 信息增益策略优化，多轮证据阅读Agent
  • 分类标签: arXiv Agent Policy Optimization 2026

📄 PATS: Policy-Aware Training Scaffolding for Agentic RL（2026.7）

  • 分类标签: arXiv Agentic RL Training 2026

📄 AREX: Towards a Recursively Self-Improving Agent（2026.7）

  • 分类标签: arXiv Self-Improving Agent Deep Research 2026

三、Substack高价值条目

📧 The AI Agents Stack: LLM to Production（2026 Edition）

  • URL: https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
  • 作者/专栏: The AI Engineers（业界工程技术博客）
  • 发布: 2026年
  • 核心观点: 1. 2024→2026三大变化：MCP标准化工具连接层、推理模型改变单步vs多步Agent权衡、Memory成为一等公民架构原语 2. Memory三层分级（不再只是向量库+RAG）：短时/长时/ episodic 3. Context Engineering替代Prompt Engineering：不是写更好提示，而是设计每次调用时Agent看到什么信息 4. Agent Guardrails新范式：在工具执行层授权，而非输出层过滤（"guardrails before action"模式） 5. OWASP MCP Top 10（beta）发布，首个工具连接Agent安全清单 6. 6层技术栈框架：LLM → Memory → Tools → Orchestration → Evaluation → Guardrails
  • 可信度: 高（业界工程化视角，与本文RAG条目高度互补）
  • 工程价值: ⭐⭐⭐⭐⭐
  • 后续行动: 结合条目1（Context Engine）补充主题页；Memory三层分级值得单独条目
  • 分类标签: Substack AI Agent Memory MCP Guardrails Context Engineering 2026

📧 AIxFunda · Top LLM, RAG and Agent Updates（March Week 1, 2026）

  • URL: https://aixfunda.substack.com/p/top-llm-rag-and-agent-updates-of-5f9
  • 作者: Kalyan KS
  • 核心观点:
  • Olmo Hybrid 7B：Gated DeltaNet+Attention 3:1混合，节省75%注意力计算，512 GPU训练
  • Sarvam-30B/105B：印度训练，Apache 2.0，22种印度语言，MoE架构
  • GPT-5.3/5.4发布，Claude登顶App下载榜，ChatGPT卸载率+295%
  • Codex Desktop：Windows原生沙盒，OS级工具调用控制
  • 可信度: 中（资讯汇编类）
  • 后续行动: 存档，不做深度引用
  • 分类标签: Substack AI资讯 模型发布 2026

📧 Future AGI · The Complete Guide to LLM Evaluation Tools in 2026

  • URL: https://futureagi.substack.com/p/the-complete-guide-to-llm-evaluation
  • 核心观点: RAG评估工具横评
  • Future AGI：多模态评估，自动评估无需ground truth
  • Galileo：RAG/Agentic流程评估，实时安全监控
  • Arize AI：企业级，幻觉检测，RAG工作流可观测性
  • MLflow：开源，统一评估
  • Patronus AI：幻觉检测/自定义评分/安全检查
  • 可信度: 中（商业平台视角）
  • 后续行动: 可作为RAG评估主题页补充，与条目2（Ragas）配合
  • 分类标签: Substack RAG评估 工具横评 2026

📧 The Strategy Stack · AI Agents for Strategists: Value Stack & Deployment（2026）

  • URL: https://thestrategystack.substack.com/p/the-stack-to-enlightnment-on-ai-agents
  • 核心观点:
  • JPMorgan LLM Suite：20万员工部署，超级用户培训策略
  • Mayo Clinic急诊室效率提升案例
  • 多智能体自动驾驶系统
  • DeepMind+BioNTech AI实验助手
  • 可信度: 中低（行业案例汇编，部分描述待核验）
  • 后续行动: 案例仅供参考，不做技术细节引用
  • 分类标签: Substack AI Agent 行业案例 金融 医疗 2026

四、主题分类与标签体系

主题 核心标签 主要条目
RAG工程实践 RAG 向量库 Milvus BGE 条目1,2,4
LLM系统/部署 LLM系统 vLLM Ollama 推理优化 条目3,5
Transformer原理 Transformer GPT-2 C语言 CUDA 条目6
AI Agent架构 Agent Memory Context Engineering MCP Substack-THEAI
RAG评估 RAG评估 工具横评 Substack-FutureAGI
模型发布动态 模型发布 AI资讯 Substack-AIxFunda

五、本次写入建议

建议写入文件（待同步任务合并至 /shared/research-kb/review/）：

  1. /shared/research-kb/inbox/jay/2026-10-09-rag-context-engine-csdn.md ← 本文件本体
  2. 新建草稿： - 2026-10-09-rag-engineering-csdn-highvalue.md — 条目2深度摘要 - 2026-10-09-agent-stack-2026-substack.md — Substack-THEAI深度摘要 - 2026-10-09-arxiv-agent-rag-2026.md — arXiv论文索引

本次操作：仅写入当前草稿文件，不执行GitHub写入。

六、后续行动建议

优先级 行动 关联条目
🔴 高 精读条目2（RAG实战：从向量数据库到GraphRAG），更新RAG主题页 条目2
🔴 高 精读条目3（CUDA Kernel/SGLang），更新推理优化主题页 条目3
🔴 高 精读arXiv EMNLP 2026 RAG Agent论文（2603.18272） arXiv#1
🟡 中 结合Substack-THEAI补充Agent Stack主题页（6层框架+Memory三级） Substack#1
🟡 中 精读条目6（GPT-2纯C实现），作为原理学习材料归档 条目6
🟢 低 条目7作为AI工程开源项目索引，暂存待用 条目7

草稿完成时间：2026-10-09 12:20 UTC+8 / 04:20 UTC 实例：Jay · 知识库高频运营任务 · 每日第3次执行