工程知识库草稿 · Jay · 2026-10-12

主题：LLM Agent / RAG / MLOps 工程实践（晚间轮次）

来源：arXiv:2601.07504v1
时间：2026（月份未明）
可信度：高（arXiv 同行评议）
摘要：提出 FROAV 框架，用于降低 LLM Agent 研究门槛。核心工程栈：PostgreSQL + FastAPI + Streamlit，支持工作流编排、向量检索、多角色 Prompt 迭代优化、人类反馈收集。对 DevOps/SRE 场景（80 文档知识库、6 种文档类型）做了真实评估。
工程价值：
明确技术栈组合（非常具体的 full-stack 选型）
RAG 策略快速原型方法论
人类在环（Human-in-the-Loop）反馈收集机制
是否需精读：是，FastAPI/PostgreSQL/Streamlit 组合拳对构建 RAG 评估平台有直接参考价值
标签：RAG Agent 评估框架 FastAPI DevOps

来源：arXiv:2604.24594v1
时间：2026-04
可信度：高（arXiv，含 OpenClaw Steinberger and Contributors 2026 引用）
摘要：将模块化 Skill 作为 Agent 设计核心抽象，替代原子工具。讨论了 SKILL.md 文件格式（OpenClaw 风格）在 Agent 动态技能加载中的应用，与 Voyager 等系统对比。
工程价值：
Skill 作为 Agent 设计模式的概念论证
OpenClaw 的 SKILL.md 格式被学术界引用，有信号价值
揭示了"技能压缩元数据 + 上下文加载"范式的系统性研究
是否需精读：是，对构建可扩展 Agent 技能系统有架构参考价值
标签：Agent Skill抽象 OpenClaw 软件工程

来源：arXiv:2608.29615v1
时间：2026-08
可信度：高（arXiv 2026-08-19）
摘要：Google Kubernetes Engine (GKE) + gVisor 沙箱环境下的自主云端 MLOps Agent 系统。多 Agent 架构：代码生成 Agent、发布/监控 Agent、图结构工作流编排、边界修正与自适应机制。端到端转换自然语言云工程任务（如"在 K8s 上构建时序异常检测 pipeline"）。
工程价值：
具体工程细节：GKE + gVisor 配置、图工程（graph engineering）、循环工程（loop engineering）
多 Agent 生命周期管理（启动/停止/暂停）
云端 MLOps 闭环的完整生命周期建模
是否需精读：是，且优先 — 云端 MLOps + 多 Agent 协同的最前沿工程实践
标签：MLOps 多Agent Kubernetes 云原生 GKE

来源：arXiv:2608.01955v1
时间：2026-08
可信度：高（arXiv）
摘要：Agentic 自愈数据/AI Pipeline 的供应商无关架构，基于开源软件。Databricks Genie ZeroOps 功能对比（2026 中期发布）。自愈循环：确定性检查 + Agent 分类 → 诊断（沿袭图 + 事故历史）→ 规划（仅允许列表动作）→ 验证恢复 → 写入组织记忆。
工程价值：
Databricks Genie ZeroOps 实际功能的公开对比数据
开源供应商无关架构，有具体实现路径
事故记忆积累机制（incident memory compounding）
自愈决策的人类审批边界设计
是否需精读：是 — 自愈 Pipeline 架构模式对生产 AI 系统有直接价值
标签：MLOps 自愈 Agent Databricks 开源

来源：arXiv:2606.17799v2
时间：2026-06
可信度：高（arXiv，Position Paper）
摘要：批评现有 SWE-bench、Terminal-Bench 等编码基准测试与真实 Agent 软件工程脱节。指出组件级（component-level）评估的缺失——现有端到端评分无法定位 context/tooling/verifier/task decomposition 哪一层失败。提出诊断-修复连续改进循环的重要性。
工程价值：
批判性视角：对所有做 Agent 评测的工程团队是必读
PEEK（Long-context aggregation）、组件级 skill 评估等具体方向
OpenAI 2026a、Scanlan 2026 被引用，说明工业界已有内部实践
是否需精读：是 — 评测工程（evals）的元问题，对构建 Agent 评测工具有方向性价值
标签：Agent 评测 基准测试 软件工程 PositionPaper

来源：arXiv:2607.26652v1
时间：2026-07
可信度：中高（arXiv）
摘要：AIGen 系统生成 SPDX 3.0 兼容的 AI-BOM。使用 OllamaClient 本地 LLM（保护源代码隐私）。支持 EU AI Act 合规。与 ALOHA（CycloneDX）、AIBoMGen（训练溯源签名）对比。
工程价值：
OllamaClient 集成模式（本地 LLM + 隐私保护）
SPDX 3.0 + AIModel 元素具体用法
EU AI Act 合规的实际工程路径
是否需精读：可浏览 — 法规合规 + MLOps 的交叉点，方向重要但细节待核
标签：MLOps 合规 SPDX EU_AI_Act Ollama

#AI-Agent #RAG #MLOps #云原生 #多Agent系统 #基准测试
#Agent评测 #自愈系统 #合规 #开源生态 #本地推理

/shared/research-kb/inbox/jay/2026-10-12-ai-engineering.md

条目	行动	优先级
#3 FROAV	精读 FastAPI/PostgreSQL 集成方案	🔴 高
#4 Autonomous Cloud MLOps	精读 GKE + gVisor 多 Agent 架构	🔴 高
#5 Self-Healing Pipelines	精读自愈循环设计模式	🟡 中
#7 GitHub 趋势	关注 DeepSeek Harness 和 mattpocock/skills Star 增长	🟡 中
#6 AIGen	核验 OllamaClient + SPDX 3.0 实现细节	🟢 低
#2 Skill Retrieval	关注 OpenClaw SKILL.md 学术引用信号	🟢 低

Jay · 2026-10-12 19:50 CST