database · E1 预消化简报(2026-10-15)

本简报基于 work-guard 清单 item.materials 产出，非全库扫描。简明处理，不凑字数。

一、本批增量条目

增量 1 · XERJ(xerj-org/xerj)——Token-Efficient 代码/文档/日志/ PDF 统一搜索与 RAG 索引

  • 来源：organized/repo_cards/4393-xerj-org-xerj.md（2026-10-15 首次采集）
  • Stars：4568（周增 +1834）| 语言：Rust | 许可：Apache-2.0
  • 核心要点：XERJ 以"autoindex"机制激活 AI Agent 无需传统 grep/sed 即可了解数据。token 消耗比 grep/sed 低 40 倍。索引范围覆盖 code/docs/logs/PDF 四类，统一支撑搜索、RAG、安全审计和 Agent 记忆。与 Elasticsearch 协议兼容，现有客户端直接可用。
  • 与 knowledge/database.md 现有脉络的关系：XERJ 主题标签含 database/rag/agent，与 §2.12 RAG 数据层三十九层并立体系直接邻接。其"40× fewer tokens"量化数据可作为 §2.10 RAG 评测体系中"token 效率"维度的补充证据锚点——当前 §2.10 已有 Naive/Advanced/Modular RAG 三阶段演进综述(arXiv:2312.10997)，XERJ 提供工程级量化对照。
  • 建议归入：§2.12 RAG 数据层载体（生态观察层，不触发层数升级； Stars 4568 但属 app 类非 method/benchmark 类）

增量 2 · shinpr/mcp-local-rag——Local-First RAG Server，支持 MCP/CLI

  • 来源：organized/repo_cards/4395-shinpr-mcp-local-rag.md（2026-10-15 首次采集）
  • Stars：415 | 语言：TypeScript | 许可：MIT
  • 核心要点：面向开发者的本地优先 RAG Server，支持语义检索 + 关键词检索，覆盖代码和技术文档。全私有、零配置，通过 MCP 或 CLI 接入。
  • 与 knowledge/database.md 现有脉络的关系：主题含 database/rag，与 §2.12 NativeScope(arXiv:2610.12243 关系局部化检索)同属"结构感知 RAG"方向，但 NativeScope 聚焦数据库拓扑感知，mcp-local-rag 聚焦本地私有化部署路径。Local-first 私有 RAG 与 §2.12 三十九层中 Weaviate/MCP 等层并立互补。
  • 建议归入：§2.12 RAG 数据层载体（生态观察层，不触发层数升级）

增量 3 · Graph-Modified Embeddings for Dense Retrieval（arXiv:2610.18410）

  • 来源：inbox/jay/2026-10-15-1105-engineering-brief.md
  • arXiv ID：2610.18410
  • 核心要点：Dense vector 检索在跨中间实体路径时召回不足。对比 5 种离线 graph-modified embedding 策略，在合成专业网络 benchmark 上，多阶段策略相对纯向量检索证据召回最高提升 25.9%。方法可复现，数值具体。
  • 与 knowledge/database.md 现有脉络的关系：§2.1 向量数据库选型与 commoditization 共识（pgvector 时代翻页、R-103 Salt+aiml.qa 三源交叉）聚焦于"选型决策"，本篇提供 graph-modified embedding 策略在"跨实体路径"场景的量化证据，可作为向量检索局限性的方法论补充，邻接 §2.1 邻接证据。
  • 建议归入：§2.1 向量数据库选型（邻接证据，不触发决策树升级）
  • ⚠️ 证据边界：合成 benchmark，非真实知识库；25.9% 为证据召回指标，非 MRR/NDCG 最终指标

增量 4 · PR-entmax：稀疏先验正则化校正推荐系统流行度偏差（arXiv:2610.17823）

  • 来源：inbox/jay/2026-10-15-1105-engineering-brief.md
  • arXiv ID：2610.17823
  • 核心要点：推荐系统流行度偏差导致爆款过曝、长尾覆盖率下降。提出 PR-entmax，将 item 流行度先验嵌入稀疏概率映射，使偏差校正变为上下文相关。有广义变分原理支撑，理论上可落地。
  • 与 knowledge/database.md 现有脉络的关系：§2.9 ML4DB / Schema 演化与自治调精方向含"推荐/检索偏差校正"机制，PR-entmax 提供稀疏概率映射的上下文相关偏差校正方法，与现有 IPS、DCG 等常用方法属同类问题不同技术路径，可作 §2.9 邻接观察。
  • 建议归入：§2.9 ML4DB / Schema 演化与自治调精（邻接观察，不触发主轴升级）
  • ⚠️ 证据边界：理论保障存在，但实验规模、数据集、baseline 对比数字在摘录中未提供
  • 来源：inbox/jay/2026-10-15-1105-engineering-brief.md
  • arXiv ID：2610.18622
  • 核心要点：文档级检索在长法律文本中稀释相关内容。提出结构化分段（structural segmentation）改善文档表征。文档分段问题是通用 IR 工程问题，可迁移至合同、财报、诊断报告等长文本检索场景。
  • 与 knowledge/database.md 现有脉络的关系：§2.12 RAG 数据层载体聚焦"检索与存储"，结构化分段是"切片差"失败模式（JEVDB/RAG 体系第六类失败模式）的直接缓解方案之一。巴西法律数据集虽非跨语言，但方法可迁移性与 §2.12 当前层体系（向量/结构化/关系局部化）形成互补。
  • 建议归入：§2.12 RAG 数据层载体（邻接观察，迁移性待核查）
  • ⚠️ 证据边界：针对巴西法律数据集，非跨语言；分段策略数值未列出

增量 6 · FASHION-RQ：Fashion Retrieval 自动化评测层次语义挖掘（arXiv:2610.17841）

  • 来源：inbox/jay/2026-10-15-1105-engineering-brief.md
  • arXiv ID：2610.17841
  • 核心要点：Fashion retrieval 评测缺乏 benchmark，fine-grained 开放式查询难以自动评估。提出 Mining hierarchical semantic structure 方法，可迁移到家居、3C、美妆等垂类检索评测构建。
  • 与 knowledge/database.md 现有脉络的关系：§2.13 评估方法论已有 RAG ≠ 向量 DB 路径五源锚定。FASHION-RQ 属于垂类检索 benchmark 构建方法论，与 §2.13 主轴邻接但非 database 主分类直接产出。
  • 建议归入：§2.13 评估方法论（邻接观察，垂类 benchmark 方法论）
  • ⚠️ 证据边界：具体评测数值未提供；benchmark 构建细节待核

二、值得警惕的矛盾或待核实说法

  1. XERJ "40× fewer tokens"：摘录无合成数据集或对比基准来源，与 §2.10 现有 RAG 评测数据（Company Knowledge Bench 等）无法交叉验证。建议以 XERJ GitHub 原始 benchmark 数据为准。
  2. PR-entmax 上下文相关偏差校正：有理论支撑，但无实验数值。与 §2.9 现有 ML4DB 调优方法（SQLMorph/HarnessSQL/JEVDB）无法做效果对比，待原文精读。
  3. Graph-Modified Embeddings 25.9% 提升：证据召回指标非最终任务指标，与 §2.1 现有 pgvector vs Qdrant 第三方实测（11.4× QPS 差距）维度不同，不能直接比较。
  4. arXiv:2610.18410/2610.17823/2610.18622/2610.17841：均为 papers.cool 摘录，原文未经直接读取，方法论细节和实验数据可信度待独立核实。

三、本批涉及 arXiv 号列表

arXiv ID 来源 与 database 关系
2610.18410 工程简报 2026-10-15 向量检索邻接（§2.1 邻接）
2610.17823 工程简报 2026-10-15 ML4DB 邻接（§2.9 邻接）
2610.18622 工程简报 2026-10-15 RAG 数据层邻接（§2.12 邻接）
2610.17841 工程简报 2026-10-15 评估方法论邻接（§2.13 邻接）

四、本批已检查来源清单

repo_cards（2 件）： - organized/repo_cards/4393-xerj-org-xerj.md（database 主题 · 4568★） - organized/repo_cards/4395-shinpr-mcp-local-rag.md（database 主题 · 415★）

repo_cards（非 database 主分类，不触发增量）： - organized/repo_cards/4365-kevinzhow-raft-flutter.md（database 主分类但属共识协议可视化，与 §2.15 邻接，已在 R-104 覆盖） - organized/repo_cards/4394-ai-efficiency-awesome-model-quantization.md（llm-infra 主分类，database 仅作副标签，不触发）

工程简报（3 件）： - inbox/jay/2026-10-15-1105-engineering-brief.md（4 条 database/backend/reproduction 相关） - inbox/jay/2026-10-14-2105-engineering-brief.md（Kapa AI n8n 节点 + RAG Agent 框架，database 邻接） - inbox/jay/2026-10-14-1505-engineering-brief.md（llm-gemini/llm-meta-ai/Anthropic Scion，与 database 主轴非邻接）

paper_cards（1 件）： - organized/paper_cards/505-1505-00468.md（VQA · 2015 · multimodal 主分类，不纳入 database 增量）

五、summary

本批（2026-10-15 20:20 E1 预消化轮）共识别 6 条 database 相关增量，全部为邻接/生态观察级，无主轴净增量（0 主+ · 6 邻接 net = 6 件邻接型增量）： - 2 件 repo_cards（XERJ 4568★ + mcp-local-rag 415★）：生态观察层，不触发 §2.12 层数升级 - 4 件 arXiv（2610.18410 · 2610.17823 · 2610.18622 · 2610.17841）：均以工程简报摘录为载体，原文未经直接读取，证据边界需 R105+ 独立核实

本批与 R-104（2026-10-14 20:40）连续两天均呈"database 主轴新论文稀薄"特征，与活文档 R-104 §2 现状全景判断一致（0 主+ · 补强间歇轮）。

简报路径：/shared/research-kb/inbox/jay/2026-10-15-database-e1prep.md 生成时间：2026-10-15 20:20 (UTC+8) · Jay · E1 预消化轮 工作 guard：d71a4202-68b2-455a-bff8-f7f12a8714b4