database · E1 预消化简报(2026-10-22)

E1 日间预消化轮 · database 主题 · Jay · 2026-10-22 20:20 口径：宿主机 work-guard 清单 job d71a4202-68b2-455a-bff8-f7f12a8714b4（created 2026-10-22 20:20，expires +1h，items 8 件，全部 material 已逐份读取）。本批新材料 = 清单 items[0].materials 的 8 份 source，非全库扫描；未开网页检索补料；未多轮重写凑篇幅。 基线：organized/knowledge/database.md（R-109 · 2026-10-21 20:40 · MAGE 2606.06090 主轴 / trend 111 / O180~O183）。 交叉参考（非本批增量，仅脉络对照）：inbox/jay/2026-10-22T1735-blogs-discovery.md、inbox/jay/2026-10-22-1950-engineering-screen.md、inbox/jay/2026-10-22T1620-csdn-discovery.md、inbox/tom/2026-10-22-rag-e1prep.md。 附注：另按原任务"抽查近 3 天新卡"做了一次仅元数据级的定向扫描（organized/paper_cards/ 中 mtime 在 3 天内且主题标签含 database 的 41 张卡，只读标题/主分类/TLDR 三字段），结论见 §5 增量 7 与 §6 警示 4；未作内容级精读。

0. 一句话判断

本批没有新的 database 主轴学术增量。8 份材料里 5 张 paper_card 是 S2/OpenAlex 回填的经典旧文（2013–2022），其中 3 张的 主题: database 标签与论文内容明显不符（ImageNet / SwAV / InstructGPT 被标成 database），只有 2 张（1702.08367 可微逻辑规则做知识库推理、1306.6709 度量学习综述）与 database 数据层有实质关系。真正的新工程标的只有 1 件（dagucloud/dagu），真正新的事实细节只有 1 条（xerj 的 Corpus Hub 描述此前未入活文档），其余是数值刷新与负向记录。今晚 R-110 建议按"补强轮"处理，不升层数、不升轴、不新立争议。 但有一件事值得单独拎出来：1702.08367 为 §3 争议 1 提供了一个此前缺失的第三拓扑参照，应当被认真记下来。

1. 增量条目（7 条，含 1 条元观察）

增量 1 · xerj-org/xerj 数值刷新（12498★ → 12869★）＋ 一条此前未入库的事实：Corpus Hub

  • 来源：organized/repo_cards/4393-xerj-org-xerj.md（上次采集 2026-10-22，首次采集 2026-10-15）
  • 要点：12869★，周增 +1239，Rust / Apache-2.0，最近提交 2026-10-22，成熟度 production，分类 trending。简介原文包含三条此前 §2.12 未记录的描述：① MCP server for AI agents（不只是本地搜索引擎）；② Corpus Hub serves hundreds of reference memory corpora；③ 可索引 code / docs / logs / JSONL / CSV / PDF，做 BM25 全文 + 向量 + 混合检索，Elasticsearch 兼容 API。
  • 与 database.md 现有脉络的关系：R-105 首次锚定 xerj（§2.12 生态观察，4568★），R-107 7957★，R-109 12498★。本轮净增 +371★（R-109→本卡），方向与既有"§2.12 增长最快者"判断一致，不构成新观点。真正的净新增量是 Corpus Hub 描述此前未入活文档（§2.12 只记了 autoindex + Elasticsearch 兼容），它把 xerj 从"Agent 的代码/文档搜索层"扩到"可分发的 Agent 记忆语料库供给层"，与 §2.3 R-62/R-70 记忆存储线、§2.12 三十九层中的记忆类组件形成同向观察。⚠️ 口径警示见 §6 警示 1——同一天出现三个不同星数/周增值，不可写成"增速回落"。
  • 建议归入节：§2.12 生态观察（已知锚点维持 + 补 Corpus Hub/MCP server 两条事实描述）。不升第四十层候选（形态 app、成熟度 production 但非 method/benchmark/system 层技术谱系；O175 的"token 比 grep 少 40×"仍未核实，见 §6 警示 3）。

增量 2 · dagucloud/dagu —— 本批唯一新工程标的（首次采集）

  • 来源：organized/repo_cards/4554-dagucloud-dagu.md（首次采集 2026-10-22，mtime 1792647103）
  • 要点：4417★，周增 +0，Go / GPL-3.0，最近提交 2026-10-22，成熟度 research，分类 skill，主分类 database。定位：self-hostable workflow orchestrator，声明式 YAML 覆盖脚本 / SSH 命令 / 容器，把工作流与业务逻辑分离；一个二进制、不带数据库，作为 Airflow / Cron / Job Scheduler 的替代。
  • 与 database.md 现有脉络的关系：本批唯一新条目，但与 database 主轴是弱邻接而非同源。它的价值在"Agent 时代的编排层正在把状态外置到文件/声明式清单"——这与 §2.5 云原生与 K8s AI 基础设施、§2.12 R-107 Serviette（RAG 数据管道工程模板）同属"编排/管道层"这条仍在生长的线，也间接呼应 §2.4 存储引擎线索（"无数据库"= 状态承载形态的另一种解法）。⚠️ 它自己明说 "no database"，而卡上主分类标 database —— 这是一张典型的标签与内容自相矛盾的卡（见 §6 警示 2）。同时形态为 app/workflow tool、周增 +0、成熟度 research，不足以升第四十层候选。
  • 建议归入节：§2.12 生态观察（编排层邻接，降权记录）；可在 §2.5 留一行"编排层无数据库化"的对照引用。不建议进 §2.1 选型决策树、§2.15 轴序列。

增量 3 · arXiv:1702.08367《Differentiable Learning of Logical Rules for Knowledge Base Reasoning》—— 为 §3 争议 1 补一个"规则拓扑"参照 ★本批最有知识价值的 1 条

  • 来源：organized/paper_cards/1808-1702-08367.md（主题 database，主分类 engineering，形态 method，被引 410 OpenAlex / 36 S2 / 影响力被引 5，待 LLM 分类 = 是，DOI 10.48550/arxiv.1702.08367，green OA）
  • 要点：提出一个神经控制器系统，学习如何顺序组合可微原语操作来解决推理任务，明确点名用于 knowledge base completion（知识库补全）。即：把知识库里的规则表达为可微、可组合、需按序执行的逻辑程序，而不是靠相似度检索去取片段。
  • 与 database.md 现有脉络的关系：§3 争议 1（记忆组织结构之争 · R-109 新立）目前只有两极：主张 A 相似度拓扑（Mem0 / Graph Memory DB / MemStrata / LEANN / VectorMaton / TrieHI / qireink / mneme）与主张 B 状态拓扑（MAGE 分层状态树，按执行状态连续性组织）。这篇提供的是第三种拓扑——规则/程序拓扑：知识不以"相似"也不以"状态连续"的方式组织，而以可组合的逻辑规则序列组织。① 若 §2.12 三十九层矩阵日后真的按"状态承载语义"重构，这篇应当作为被漏掉的一极被计入，否则重构会只覆盖 A/B 两极；② 它同时给 §2.3 提供"记忆不只是被存和被检索，也可以被当作可微程序求值"这一更早的学术先例（2017 年），与 MAGE 是同一问题域的隔代呼应。⚠️ 证据边界极强：2017 旧文、OpenAlex 被引 410 而 S2 仅 36（两个库口径差异大）、影响力被引仅 5、待 LLM 分类、card 内无方法与实验细节段 —— 只能作"该方向存在且有 2017 年学术先例"的存在性证据，不得引用任何具体性能数字，不得当主轴锚点。
  • 建议归入节：§2.3 邻接（记忆组织的第三拓扑 · 存在性证据）＋ §3 争议 1 补一条"主张 C：规则/程序拓扑"参照（在争议 1 的"当前无法裁决"下追加一句"且存在被忽略的第三极，重构 39 层时不可只覆盖 A/B"）。arXiv ID 建议入 §6 锚定清单。

增量 4 · arXiv:1306.6709《A Survey on Metric Learning for Feature Vectors and Structured Data》—— 给 ANN 距离度量一条可引用的历史脉络

  • 来源：organized/paper_cards/787-1306-6709.md（主题 database，主分类 engineering，形态 survey，被引 720 S2 / 508 OpenAlex / 影响力被引 36，成熟度 research，DOI 10.48550/arxiv.1306.6709，green OA）
  • 要点：系统综述度量学习文献，逐方法列优缺点，并覆盖近年成为强替代方案的非线性度量学习、相似性学习（similarity learning）、局部度量学习（local metric learning）；标题即含"结构化数据"（structured data）维度。
  • 与 database.md 现有脉络的关系：§2.1 向量数据库选型决策树目前的距离维度是隐含的（cosine / IP / L2 / 混合），§2.12 三十九层也默认"向量 = 固定嵌入空间 + 某种距离"。这篇提供的是"距离本身可以学习、可以非线性、可以局部化"的上游方法论根，直接关系到 ANN 索引选型时"嵌入与度量是否联合设计"这一被现有决策树忽略的问题。它是2013 年的综述，因此定位应是历史脉络锚点（§2.14 综述坐标）+ §2.1 距离维度的注脚，而不是新证据。
  • 建议归入节：§2.14 综述与历史脉络（补一条"度量学习"历史锚点，区别于现有 R-47/77/81/91/92/94/104/107 八向量 —— 注意：它不进入那八向量计数，只作坐标补强）+ §2.1 距离维度一行注脚（不触发选型决策树版本升级）。arXiv ID 入 §6 锚定。

增量 5 · arXiv:2204.05862《Training a Helpful and Harmless Assistant with RLHF》—— 后训练方法论的上位锚点（弱）

  • 来源：organized/paper_cards/832-2204-05862.md（被引 4407 S2 / 417 OpenAlex / 影响力被引 526，DOI 10.48550/arxiv.2204.05862，green OA）
  • 要点：迭代式在线训练（按周节奏用新的人工反馈更新偏好模型与 RL 策略），并识别出 RL 奖励与"策略相对初始化的 KL 散度平方根"近似线性的关系。
  • 与 database.md 现有脉络的关系：与 database 主轴无直接交集，但与 R-101 HarnessSQL（harness-native post-training 训练 DB Agent）属同一"后训练方法论"谱系 —— 区别是 HarnessSQL 训的是数据库 Agent，本篇训的是通用助手，恰好构成"方法论上位 / 场景下位"的一对参照。对 database 主题唯一可用之处：为 §2.2 共识 #6 里"DB Agent 需要 harness-native 训练"提供一条更早的上位方法论锚点（仅作谱系定位，不得引其性能数字）。
  • 建议归入节：§2.2 旁注一行（后训练方法论谱系的上位坐标）或 §2.14 历史脉络；不进任何章节主轴。

增量 6 · CSDN 三条线索（0 高价值 · 2 条 521）—— 负向记录，其中 1 条与 xerj 主题接壤

  • 来源：inbox/jay/2026-10-22T0820-csdn-discovery.md（清单 note-links 项，指针到本文件）
  • 要点：3 条线索、核查 0 条，全部只有搜索摘要级证据：①「XERJ 解剖 Milvus 的 llms.txt：向量数据库如何为 AI Agent 编写机器可读文档契约」（含 URL 防幻觉规则、前置可验证代码约束、纯链接索引式安装、多路径 MCP/Skill 分发）；②「Skills 作为可验证能力对象」（领域层 + 场景层二级结构，场景层含 database-optimization）；③「Claude Code pipeline-observability」（哨兵标记、单向增量离线处理、三层下钻数据建模、Token 四分量）。其中 ① ③ 各做一次原文抓取均返回 HTTP 521，未重试。
  • 与 database.md 现有脉络的关系：不补入任何 database 论断（沿用 R-109 对 CSDN 的处理规则）。但线索 ① 值得单独立一条待核查线索：它讲的"llms.txt 作为向量库/数据层对 Agent 的机器可读契约"在本页 §2.12 三十九层矩阵里完全没有对应位置（现有层都是"怎么存、怎么索引"，没有"怎么向 Agent 声明自己"这一层）——若核查通过，可能是一个新的子方向；若不通过，仅留作负向证据。线索 ③ 与本批另一侧（§5 增量 7 的 OTel 埋点契约）主题相近，可互为对照。
  • 建议归入节：不归入任何章节；仅作 §2.12 负向记录 + 为线索 ① 立一条独立待核查项（可并入 O180 之外的独立小项）。

增量 7 · 元观察：近 3 天 database 主题卡的"标签宽化"现象（建议做分类校正，不进章节）

  • 来源：organized/paper_cards/ 元数据定向扫描（3 天内 mtime，主题标签含 database）
  • 要点：3 天内主题标签含 database 的卡共 41 张，其中主分类为 database 的 = 0 张；主分类分布为 agent / evaluation / llm-infra / rag / multimodal / risk / engineering。典型样本：1409.0575 ImageNet（multimodal）、1911.05371 SwAV（engineering）、2204.05862 InstructGPT（engineering）、2007.14062 BigBird（llm-infra）、1910.10683 T5（llm-infra）、1907.02893 IRM（risk）、2102.04664 CodeXGLUE（evaluation）、1406.5679 双向图文嵌入（rag）、1412.6115 向量量化压缩 CNN（llm-infra）。其中只有 1306.6709、1702.08367 两条与 database 数据层有实质关联。
  • 与 database.md 现有脉络的关系：这解释了为什么本批会同时出现 ImageNet 与 InstructGPT 这类"被标成 database 的经典旧文"。若后续按 主题: database 标签批量锚定，§6 引用锚定清单与 §2.12 层数矩阵会被宽标签污染——而本页的层数矩阵是"按存储/索引形态分层"的技术谱系，不是按标签堆叠。这是对 R-109 警示 D139（同形态、非技术谱系不升层）的强化与量化：41/41 宽标，是本批最需要防守的边界。
  • 建议归入节：不进任何章节；作为今晚的操作建议（分类校正应优先于新增锚点；本批 5 张 paper_card 中至少 3 张不应进入 database 论断），以及可写进 §6 一句方法论注脚。

2. 值得警惕的矛盾 / 待核实说法

  1. xerj 星数与周增在同一日出现三个互不相同值：活文档 R-109 记 12498★ / 周增 +1344（10-21 20:40）；inbox/tom/2026-10-22-rag-e1prep.md 记 12692★ / 周增 +1358（10-22 08:53）；本批 repo_card 记 12869★ / 周增 +1239（10-22 采集）。三者采集窗口与周增口径不同（周增基数滚动），不可写成"增速回落/见顶"，只可写"单日净增 +371★"这一可核查的差值。
  2. dagucloud/dagu 自述 "no database"，卡上主分类却是 database —— 自相矛盾。今晚引用时必须同时写出这个矛盾，否则等于用一个"数据库主分类"的项目去论证 database 主题。同理 ImageNet / SwAV / InstructGPT 三张卡的 主题: database 标签需明确定性为宽标。
  3. O175 未解，且证据基础可能已被改动：O175 要求核实 xerj autoindex "token 比 grep 少 40×" 的数据来源。当前 repo_card 简介中已无该句（R-105 记录里有）。这说明该数字要么来自某一时点的 README、要么记录有误 —— O175 需补一句"该说法在当前仓库简介中已不可复核，属时点性引用"。
  4. 待 LLM 分类卡占本批相当比例：1702.08367、1911.05371 均标 待LLM分类: 是；work-queue §6 显示仍有 112 张卡待精确分类。在分类未收敛前，不宜把它们当 database 主轴材料升格。
  5. arXiv:2605.05287《Securing the Agent: Vendor-Neutral, Multitenant Enterprise Retrieval and Tool Use》（主分类 agent、副 rag、主题含 database、被引 2、DOI 10.48550/arxiv.2605.05287）—— 由本次"近 3 天抽查"发现，不在本批 manifest 的 8 份材料内，故不计入本轮增量。但它提出 policy-aware ingestion + retrieval-time gating + 服务端 agentic 编排的多租户隔离架构，与 §2.8 十二攻击向量里的防御侧（SD-RAG / HONEYBEE policy-aware 访问控制）是同一条未闭合的线，且 §2.8 的"D120/D121/D124/D131"几条待跟踪警示都指向"新机制是否带来新攻击面"。建议今晚作为独立待补条目记录（不作为本轮已锚定材料）。同类还有 arXiv:2510.00206（LoRAFusion，主题含 database、主分类 engineering、被引 8），但与 database 主轴更远，优先级低。
  6. 本批材料的"被引"多来自 S2 单库：1409.0575 的 43920 全为 S2、1306.6709 的 720 全为 S2、2204.05862 的 4407 全为 S2 —— 引用量本身不能作为影响力论据，尤其 ImageNet 这类旧文。

3. 可引用 arXiv 号列表（本批已读、来源可核查）

arXiv ID 标题简称 主题标签 建议用法 证据强度
1702.08367 Differentiable Learning of Logical Rules for KB Reasoning database §2.3 / §3 争议 1 第三拓扑参照 弱（2017 · 待 LLM 分类 · 无方法细节）
1306.6709 Survey on Metric Learning for Feature Vectors and Structured Data database §2.14 历史脉络 + §2.1 距离维度注脚 中（综述 · 720 S2 被引 · 2013 旧文）
2204.05862 Training a Helpful and Harmless Assistant with RLHF database（宽标） §2.2 后训练谱系上位坐标 中（4407 S2 被引）
1911.05371 Self-Labelling via Simultaneous Clustering and Representation Learning database（宽标） 不建议进入 database 论断 —
1409.0575 ImageNet Large Scale Visual Recognition Challenge database（宽标） 不建议进入 database 论断 —

附（非本批 manifest，仅供今晚判断，不计入本轮增量）：2605.05287（多租户企业级检索与工具调用隔离 · 与 §2.8 防御侧同线）、2510.00206（LoRAFusion · 关联弱）。

4. 今晚（database 活文档接力）的建议动作

  • 按补强轮处理：不升 §2.12 层数、不升 §2.15 轴、不升 §2.1 选型决策树版本、不新立 §3 争议。
  • §2.12：xerj 数值 12498★ → 12869★ + 补 Corpus Hub / MCP server 两条事实描述；dagucloud/dagu 记 1 行编排层邻接（附"自述 no database 与主分类矛盾"注）。
  • §3 争议 1：补一句"主张 C：规则/程序拓扑（arXiv:1702.08367，可微逻辑规则 + 知识库补全）"作为被忽略的第三极，并提示未来若重构 39 层矩阵不可只覆盖 A/B 两极。
  • §2.14：可加 arXiv:1306.6709 一行作为"度量学习"历史坐标，但明确不进入 §2.14 八向量锚定计数。
  • §4 开放问题：O175 补"40× 说法在当前仓库简介中已不可复核"；可另立一条独立小项"llms.txt 作为数据层对 Agent 的机器可读契约是否存在（源自 CSDN 线索 ①，521 未达）"。
  • §6 锚定清单：arXiv ID 310+314 → 314 + 4（1702.08367 / 1306.6709 / 2204.05862 计入；1911.05371 / 1409.0575 建议不计入 database 锚定，另在分类修正里处理）。GitHub repo 累计 ~79 → ~80（+ dagucloud/dagu）。
  • 分类修正优先于新增锚点：近 3 天 database 主题卡 41/41 宽标，建议把分类校正排在本轮之前。

5. 边界与未做事项

  • 只写本文件（inbox/jay/2026-10-22-database-e1prep.md），整篇写入，未编辑其他文件；未写他人目录；未 git；未输出任何密钥/token。
  • 未改 manifest、基线、认领记录、其他任务文件与定时配置；未改 organized/knowledge/database.md（本轮只做预习，活文档修改留给今晚 R-110）。
  • 未做全库扫描：paper_cards 的扫描限定在"3 天内 + 主题含 database"且只取标题/主分类/TLDR 三字段；paper_cards 之外未扩展读取。
  • 未开网页搜索补料，未重试任何 521 页面。
  • 未多轮重写凑篇幅：本批实际有效增量 7 条（含 1 条元观察），低于旧提示词的 3–8 条上限内但不构成新范式，已如实标注。