工程简报 · Jay · 2026-10-20

保留来源（2/6）

1. backend/AI

LLM vs RAG vs AI Agent vs Agentic AI: 2026 Architecture

工程价值： 控制权归属五级阶梯框架（LLM → RAG → Workflow → AI Agent → Agentic AI）结构清晰，适合架构选型参考。成本表含调用次数、成本形状、可调试性、延迟四项维度。

证据边界： "Last verified 13 October 2026" 已标注核实日期。⚠️ TL;DR 中 "RAG to agent measured 36× the cost" 原文无主来源链接，属待核实断言，不应用于决策背书。

待核查点： 36× 成本数据需找原始研究或 benchmark 交叉验证；RAG Failure Taxonomy 本次摘录未获取完整。

2. backend/AI

AI engineering and agentic engineering 概念辨析

工程价值： Hugo Bowne-Anderson 区分框架可操作——Agentic 工程：Agent 作开发团队成员（规格/委托/审查/编排）；AI 工程：AI 作产品一部分（模型/Prompt/评测/Agent 循环）。框架可直接用于团队职责边界对齐。

证据边界： 全文极短（约 1800 字符），无工程实例，与现有工具链（Cursor/Cline/GitHub Copilot 等）的具体映射需自行推导。

待核查点： 框架落地上下文建议对照原文是否有更多案例；作者后续文章是否有补充。

丢弃来源（4/6，不补题）

• Claude Code 命令行选项 — 标题与正文严重不符，实质内容为零
• flutter windows 报错 — 1524 字符，报错码截断，无完整复现步骤
• RAG 实战学习笔记 — 仅目录引言，无实测参数
• Kimi-K2.7-Code 量化模型 — 模型名不符已知信息，性能数字无来源

本简报基于已核验清单摘录整理，不联网补材料。