database · E1 预消化简报(2026-10-31)
范围声明（依宿主机增量清单
d71a4202-68b2-455a-bff8-f7f12a8714b4，创建 20:20，有效期 1 小时）：本轮仅处理该清单item.materials的 8 份材料（2 份 note + 6 份 paper_card），未做全库扫描、未做网页搜索补料、未为凑字数多轮重写。另按任务要求读取了organized/queue/work-queue.md与organized/knowledge/database.md（活文档现状）用于定位脉络。本轮批次性质（台账，非观点）：8 份材料中 6 份为已入库锚点的重访或口径漂移（2312.10997 · 2606.14061），4 份论文卡为 database 轴净新增（1910.10683 · 1611.09268 · 2004.11362 · 1401.5226），2 份 note 中的 3 条工程材料为净新增（Database per Service · Crux AI · Arize AI）。按本页既有纪律（D148/D149/D151/D153），被引口径与采集时间变化只作台账记录，不改写方法学结论。
一、今日该主题最重要的增量
增量 1（★ 净新增 · 原则层）· 「Database per Service」：多服务数据所有权与「放弃跨服务 ACID」
- 来源：
inbox/jay/2026-10-31T0820-csdn-discovery.md（上游 note 的已核查条目，note 内标注原文已取回）→ https://thedailybyte.substack.com/p/database-per-service-pattern-data - 要点（可核查，按 note 转述原文）：① 逐字段定义 source of truth——每表/每字段归属唯一服务，他服务不得直连其库；② 跨服务查询走 CDC（点名 Debezium）入仓再查；③ 隔离级别靠凭证与授权强制，而非"约定"；④ 明确放弃跨服务 ACID，改用 CQRS 读模型 / Saga / Transactional Outbox 补偿；⑤ note 另指出该模式对应 RAG 场景「摄取 / 检索 / 会话」三服务的数据归属划分。
- 与活文档现有脉络的关系：
organized/knowledge/database.md检索 「微服务 / CDC / Debezium / Saga / CQRS / Outbox / source of truth」命中均为 0（Debezium 仅见于archive/database-changelog.mdR-80 段的工具链列举层面）。故本条在 database 轴是原则层首次出现；它同时是 §3 争议 4「状态源之争：副本 vs 视图」的对撞面：主张 A（持有副本）一端有三十九层数据层与 zeabur 反例，但从未有"多服务各自只存一份"的成文原则；Database-per-Service 正是副本路线的极端形态（每服务一份权威库 + 跨服务只读投影），与主张 B（zeabur 视图路线）相反。 - 建议归入：
§2.5 云原生与 K8s AI 基础设施新增子节「微服务数据所有权 · Database per Service」（作为 zeabur 邻接之后的第二个方向性样本）；并在§3 争议 4焦点项里补一句对照（"每服务一份权威库" vs "平台不持有副本"是同一张轴上的两个极端，而非同一象限）。不触发 §2.12 层数递增（形态为架构原则文章，非 method/benchmark/system），不入 §2.14 综述计数。
增量 2（★ 净新增 · 第二个同形态样本）· Crux AI：把「会话」当数据库 —— 8 个 agent 共享单一 append-only 事件日志
- 来源：
inbox/jay/2026-10-28T1620-csdn-discovery.md（上游 note 的已核查条目）→ https://pravad.substack.com/p/crux-ai-a-production-experiment-with - 要点（可核查，按 note 转述原文）：① Anthropic Managed Agents 于 2026 年 4 月公测，计费 = Claude API token + 活跃会话 $0.08/session-hour；② 8 个 agent 共享单一 append-only 事件日志，JSONL 存于 Anthropic Memory Stores；③ 编排器为无状态 Python 进程、跑在 GitHub Actions，Vercel 承载 web 层，Supabase 存订阅者；④ prompt caching 使单次运行 $8.70 → $2.08（-76%），Opus 输入缓存命中率 83%；⑤ 失效模式：前三次生产运行中有两次 agent 无错误静默退出，Evaluator 因缺失终止事件而阻塞。
- 与活文档现有脉络的关系：
database.md全文检索「Managed Agents / Memory Stores / append-only」命中 0（append-only 仅见于llm-application.md）。三点对接：① O191 的第二样本 —— O191 问「是否会出现第二个『事件存储即 Agent 协作数据层』的同形态项目」，Crux AI 正是一个（且形态更具体：日志即状态、跨 agent 共享）；② §2.3 Agent 记忆 —— 本页记 MAGE（arXiv:2606.06090）主张"按执行状态连续性而非语义相似度组织记忆"，Crux AI 的 append-only 事件日志是工程侧同向但更朴素的实现（"日志即真相"，不建索引）；③ §2.4 存储引擎/WAL 的失效模式对照 —— "缺失终止事件导致 Evaluator 阻塞"，用数据库语汇描述就是事务边界缺失/提交记录未落地，可直接对照 §2.4 的 WAL 协议族；④ §2.12 magnetoid/blob（O191 起点） 的对照物。 - 建议归入：
§2.3（AI 重塑数据库内核范式与 Agent 记忆）增一条邻接；§4增 O 候选跟踪其事件日志 schema 与"静默退出"的检测手段。不升 §2.12 层候选（材料形态为第三方博客自述，非可核查系统实现）。
增量 3（净新增 · 工程侧漂移监控）· Arize AI：Evaluation Store 与 cohort 级漂移分析
- 来源：
inbox/jay/2026-10-28T1620-csdn-discovery.md（上游 note 的已核查条目）→ https://thesequence.substack.com/p/edge146 - 要点（可核查，按 note 转述原文）：① 覆盖模型血缘/版本对比、性能监控与根因分析、生产 A/B、概念/模型/数据漂移的 cohort 分析、离线-在线一致性、全局/局部/cohort 特征重要性、公平性与偏差；② 提出 Evaluation Store，note 概括为「聚焦模型验证与持续反馈的 feature store 扩展」；③ 按 feature/value/cohort 自动定位低分切片，支持十亿级每日预测；④ 一等集成 Feast、W&B、DeepNote 及 SageMaker / Databricks / Ray 等运行时。
- 与活文档现有脉络的关系：
database.md全文检索「Arize / Evaluation Store / feature store」命中 0（rag.md/coding-agents.md的 arize 链接是无关条目）。核心对接：§2.1 血统三段式的第三环「漂移律」目前只有学术侧证据（R-111 的 RLHF √KL 关系，且 D149 明令不得引用系数），工程侧的对偶物一直缺位；Arize 提供了漂移监控的产品形态（概念/模型/数据三层漂移 × cohort 切片 × 特征归因），与 O189（漂移标量能否成为索引重建触发器） 直接对话——它说明"分层漂移 + 分群归因"在工程上已是产品能力，但是否等价于可自动触发的单一标量，本材料未回答。次挂§2.11 成本维度共构 LLM 数据层成本可观测性（O182）。 - 建议归入：
§2.1第三环后补一句「漂移监控的工程对偶（产品形态已成熟，触发器仍未解决）」；§2.11增一条可观测性工具类目。不作性能证据、不进任何计数（厂商能力介绍型长文，无版本/部署形态/性能与成本数据）。
增量 4（净新增 · 谱系锚点）· arXiv:1910.10683 T5：统一 text-to-text 范式作为「把数据库操作表达为文本任务」的前史
- 来源：
organized/paper_cards/825-1910-10683.md（清单 material，来源路径已核）· https://arxiv.org/abs/1910.10683 · DOI 10.48550/arxiv.1910.10683 · OpenAlex W2981852735 - 可核查读数：28176 被引 S2 / 10931 OpenAlex / 影响力被引 2694 · 形态 method · 主分类 llm-infra · 成熟度 production · OpenAlex 更新 2026-10-30 · 卡片主题字段标
database、待LLM分类：否· 卡内 TLDR：系统比较预训练目标、架构、无标注数据集与迁移方式，在摘要/问答/文本分类等数十项任务上取得 SOTA。库内二手解读（promo/popular/1910-10683.md、promo/explainers/1910-10683.md）：统一任务前缀（"sst2 sentence:" / "translate English to German:" / "summarize:"）、C4 统一语料基座、span-corruption（15% mask）默认配方、系统消融协议。这些是库内解读文本，非本轮对 arXiv 原文的核验。 - 与活文档现有脉络的关系：
database.md全文检索「1910.10683 / text-to-text / T5」命中 0；engineering.mdv155 已将其收入跨主题引用清单。本页对接点是 §2.2（SQLMorph / HarnessSQL / ARCS）：这三件把数据库 Agent 从"被动 SQL 生成"推到"主动消歧/训练/优化"，而 T5 的方法学前史正是"把结构化操作重写为文本任务"的统一化——与 §2.2 属结构同构（类比级断言，不是历史因果：T5 2019 与 Text-to-SQL 谱系无本页可核查的引用关系）。 - 建议归入：
§2.14 综述与历史脉络作谱系锚点（不进八向量综述计数），理由与 D148 同源——卡片主分类=llm-infra、database 主题标签为库内标签而非其原始贡献；严禁引用其 SOTA 表述支撑任何数据库性能主张。
增量 5（净新增 · 评估参照系）· arXiv:1611.09268 MS MARCO：人工查询分布这一"对照基准"的正主
- 来源：
organized/paper_cards/1817-1611-09268.md· https://arxiv.org/abs/1611.09268 · DOI 10.48550/arxiv.1611.09268 · OpenAlex W2951534261 - 可核查读数：3764 被引 S2 / 1191 OpenAlex / 影响力被引 641 · 形态 method · 主分类 engineering ·
待LLM分类：是· OpenAlex 更新 2026-10-30 · 卡内 TLDR：面向阅读理解与问答的真实世界数据集，在数量与质量上为同类最全面。转引自库内knowledge/engineering.mdv155 对同一卡的登记：10 万条真实 Bing 查询 / 100 万 passage / 20 万+ 文档、人工非抽取式答案、平均每条众包标注 2.5 分钟；下游成为 TREC Deep Learning 轨道标准训练标注源（2021 → 2023）。 - 与活文档现有脉络的关系：
database.md全文检索「MS MARCO / 1611.09268」命中 0，但archive/database-changelog.mdR-79 段出现过一次 —— 那是 Q2D-Web（arXiv:2610.07782 一系，1.9 亿文档 / 7 万 agent 查询） 描述中的对比提及："机器生成查询，模拟 agentic RAG 真实查询分布，与 MS MARCO 等人工查询套件不同"。也就是说：本页已经依赖 MS MARCO 当"人工查询分布"的指代物，却从未把它作为锚点登记——这是 R-79 那条结论（human-query 与 agentic-query 两个分布存在显著差异，可能动摇 MS MARCO / BEIR 等基于人类查询的评估前提）的悬空引用。本条补的正是这个被指代物。 - 建议归入：
§2.10 RAG 评测体系增一条「人工查询基准的正主（MS MARCO）」，与既有 Q2D-Web 的 agentic 查询侧配对；§2.13评估方法论处登记为分布对照锚点（不是新维度）。⚠️ 边界：Q2D-Web 那条差异结论至今未见同基准同层对照数据（与争议 3 同族的"对照缺失"），本条不能被当作该差异的独立验证。
增量 6（净新增 · 对接第一环）· arXiv:2004.11362 Supervised Contrastive Learning：可学习度量的一个具体损失构造
- 来源：
organized/paper_cards/1801-2004-11362.md· https://arxiv.org/abs/2004.11362 · DOI 10.48550/arxiv.2004.11362 · OpenAlex W3018378048 - 可核查读数：7231 被引 S2 / 3569 OpenAlex / 影响力被引 931 · 形态 method · 主分类 engineering ·
待LLM分类：否· OpenAlex 更新 2026-10-30 · 卡内 TLDR：提出一种训练方法，在不同架构与数据增广下稳定优于交叉熵，并修改了 batch 对比损失。库内二手解读（promo/explainers/2004-11362.md，署 flyP）：把 SimCLR/MoCo 的正样本对从"同源增广"换成"batch 内所有同类样本"，SupCon loss = 归一化内积相似度 + 温度 τ；ImageNet + ResNet-200 top-1 81.4%。 - 与活文档现有脉络的关系：
database.md全文检索「2004.11362 / contrastive」命中 0。直接对接 §2.1 血统三段式第一环「度量定义」：本页第一环引用的是 arXiv:1306.6709（度量学习综述，narrative survey，D148 已警示无检索式），SupCon 提供的是一个可写清损失形式的度量构造实例——"什么算近/什么算远"被训练目标里的正负样本定义直接决定；这为 R-111 的判断「换 embedding 模型不只换分布，也换度量」补了一个机制层的具体注脚（推论级，非断言）。另一处实用对接：organized/queue/work-queue.md§3「选题榜未成视频脚本」已列 2004.11362，与本页无关但与今晚选题接力有关。 - 建议归入：
§2.1第一环补一行"度量构造的工程实例"（不新增环、不改三段式结构）；§2.14记为谱系锚点（主分类 engineering，database 主题标签为库内标签）。⚠️ 边界：81.4% 是图像分类指标，严禁用于支撑向量库检索/召回性能。
增量 7（净新增 · 数学母题谱系）· arXiv:1401.5226 The Why and How of NMF：因子分解这一压缩母题的原点之一
- 来源：
organized/paper_cards/1786-1401-5226.md· https://arxiv.org/abs/1401.5226 · DOI 10.48550/arxiv.1401.5226 · OpenAlex W4300718799 - 可核查读数：386 被引 S2 / 255 OpenAlex / 影响力被引 31 · 形态 method · 主分类 engineering ·
待LLM分类：是· OpenAlex 更新 2026-10-14 · 卡内 TLDR：提出 NMF 问题的一个新子类 near-separable NMF，即使在噪声存在时也能高效（多项式时间）求解。 - 与活文档现有脉络的关系：
database.md全文检索「NMF / 1401.5226」命中 0。两处对接：① §2.1 索引结构 —— 本页长期讨论 IVF（k-means 分桶）/ PQ / SQ / RVQ（码本分解），其数学底座都是近似因子分解；NMF 是这一母题最经典的原点之一，其 near-separable + 噪声下多项式可解给出一条"结构化假设换可解性"的历史先例，可与本页 §2.7 FFX（任意因子分解布局的流水线引擎）串成一条数学谱系线；② 次挂 §2.1 第三环（分解码本本身是"分组 + 刷新"问题）。 - 建议归入：
§2.1作因子分解数学谱系锚点（一行，不新增段）；§2.7 FFX作邻接提示。⚠️ 边界：near-separable 假设不自动等价于 ANN 场景下的码本训练条件，只能作类比级谱系，不得引用其可解性结论推断向量库重构成本。
二、台账（口径记录，非观点）
| 材料 | 本轮卡片读数 | 活文档既有记载 | 判定 |
|---|---|---|---|
arXiv:2312.10997（RAG 综述）· paper_cards/438-2312-10997.md |
S2 4396 / OA 875 / 影响力 278；主分类 rag；形态 survey | database.md §2.10 与 §2.14 记 4270 被引（R-104 锚定，★★★★） |
重访 + 口径漂移（4270→4396）。方法学结论不变 |
arXiv:2606.14061（SeeRepo）· paper_cards/163-2606.14061.md |
S2 8 / OA 0 / 影响力 0；主分类 agent；副分类 multimodal |
database.md §2.15 记 6 被引、主分类 multimodal |
重访 + 两处漂移：被引 6→8；主分类 multimodal→agent。§2.15 记的是"纯视觉设置降低准确率并增加 token 成本"，卡片口径一致，结论不变。另：卡片标题字段损坏（标题写成「2.3 本轮补充公开检索」，正文混入检索日志与"写作用途/待补齐"模板段）→ paper_card 生成管线存在字段污染，本轮不引用该卡的任何非 TLDR 字段 |
工作队列 queue/work-queue.md |
§1 待深读 1 项（2610.12998）；§2 活文档待更新：rag/multimodal/evaluation（database 不在列）；§3 选题榜含 2004.11362；§4 待写攻略 3 件 | — | database 轴昨夜 R-111 刚更新，故今晚窗口短；2004.11362 同时出现在选题榜，今晚若做选题可与增量 6 合并 |
上游 note 标注缺陷（2026-10-28T1620） |
清单 channel 标 csdn，3 条 URL 实为 Substack 域名 |
— | 标注与实际来源不一致；2026-10-31T0820 已正确区分 CSDN/Substack → 上游标注质量已部分修复，引用时按实际域名理解 |
三、值得警惕的矛盾或待核实说法
- 8 份材料里 6 份是重访/漂移，净新增集中在 2 份 note 的工程材料（Database per Service / Crux AI / Arize AI）。按本页既有纪律，批次形态不作趋势推断依据；今晚不应据此判断"database 领域进展稀疏"，只能说"本批可见窗口的论文侧新料稀薄、工程侧有实质件"。
- Database-per-Service 与 §3 争议 4 目前只能并列、不能裁决：其 "source of truth 逐字段定义 / 放弃跨服务 ACID / CDC + CQRS + Saga + Outbox" 是一套自洽原则，但材料无代码、无压测、无落地数据，note 亦自标"未标注作者资质与发表时间"。本页立场：只当作"副本路线的一个成文样本"，不得写成"微服务数据层的正确做法"。
- Crux AI 的成本与失效数字全部为第三方博客自述：$0.08/session-hour、$8.70→$2.08（-76%）、83% 缓存命中率、"三次生产运行两次静默退出"，均无独立复现、无对照基线、是否为 Anthropic 官方口径未核实。可引用其架构形态，不得引用成本数字支撑成本-性能结论。
- "会话即数据库"与 §3 争议 4「状态源之争」是同一张轴：Crux AI 把会话状态托管在 Anthropic Memory Stores（平台托管的外部存储），Database-per-Service 把状态留在各服务自有库（自持副本），zeabur 则把状态交给编排层（不持副本）——三条材料恰好构成同一轴上的三个取值，这可能比任何单条材料都更有信息量，但仍无一致性/延迟/故障实测，不能裁决（接续 O190）。
- Arize 的漂移监控是产品能力，不是重建触发器：cohort 级概念/模型/数据漂移 ≠ 可自动触发的单一标量，O189 找的"能低成本算、扮演 √KL 角色的漂移标量"仍无对应物。另 note 标注"a few lines of code"仅给短链、无部署形态、无性能成本数据、与 WhyLabs/Datadog 无量化对比 → 只可登记能力清单。
- T5 / SupCon / NMF / MS MARCO 四张卡的
主题=database与其主分类全部不符（llm-infra / engineering / engineering / engineering），且 SupCon 与 NMF 的待LLM分类为"是"、MS MARCO 亦为"是" → 沿用 D148/D149/D151/D153：只作谱系锚点，不引用其任何模型精度数字支撑数据库或向量库主张（T5 的 SOTA 表述、SupCon 的 81.4%、NMF 的多项式可解性均不可平移）。 - MS MARCO 补齐的是"指代物"而不是"验证"：Q2D-Web 那条"human-query 与 agentic-query 分布显著差异、可能动摇 MS MARCO/BEIR 前提"的结论至今无同基准对照数据（与争议 3 同族的对照缺失）。本轮登记 MS MARCO 不构成对该结论的独立支持，只让这条结论第一次有了可点击的正主。
- paper_card 字段污染已出现实例（2606.14061 标题写成章节名、正文混入检索日志与模板段）。本轮已规避该卡非 TLDR 字段；建议把"卡片标题 ≠ 论文标题"列为今晚可核查项，否则同类卡片会持续污染按标题聚类的下游动作。
四、可引用的 arXiv 号列表
净新增（database 轴首次登记，今晚可引用为谱系/参照锚点）
- 1910.10683（T5 · 统一 Text-to-Text Transformer · 28176 S2 / 10931 OA / 影响力 2694 · DOI 10.48550/arxiv.1910.10683 · W2981852735 · 主分类 llm-infra · 形态 method）
- 1611.09268（MS MARCO · 3764 S2 / 1191 OA / 影响力 641 · DOI 10.48550/arxiv.1611.09268 · W2951534261 · 主分类 engineering · 形态 method）
- 2004.11362（Supervised Contrastive Learning · 7231 S2 / 3569 OA / 影响力 931 · DOI 10.48550/arxiv.2004.11362 · W3018378048 · 主分类 engineering · 形态 method）
- 1401.5226（The Why and How of Nonnegative Matrix Factorization · 386 S2 / 255 OA / 影响力 31 · DOI 10.48550/arxiv.1401.5226 · W4300718799 · 主分类 engineering · 形态 method）
重访（已入库锚点，仅作口径记录，不得当新观点）
- 2312.10997（RAG 综述 · 4396 S2 / 875 OA / 影响力 278 · DOI 10.48550/arxiv.2312.10997 · W4389984060 · R-104 已锚定）
- 2606.14061（multimodal repo-level · 8 S2 / 0 OA / 0 影响力 · DOI 10.48550/arxiv.2606.14061 · W7164821586 · R-107 已锚定；⚠️ 主分类漂移 multimodal→agent）
非 arXiv 出处（本轮采用材料的可核查 URL） - https://thedailybyte.substack.com/p/database-per-service-pattern-data（Database per Service · 已核查） - https://pravad.substack.com/p/crux-ai-a-production-experiment-with（Crux AI · 已核查） - https://thesequence.substack.com/p/edge146（Arize AI Edge#146 · 已核查）
五、给今晚接力的一句建议
优先做「同一张轴上的三个取值」这一条（Database-per-Service 自持副本 / Crux AI 平台托管事件日志 / zeabur 编排层视图），因为它把 §3 争议 4 从"工程样本 vs 主张"推进成"三种状态源归属的并排对照"；学术侧四篇（T5 · SupCon · NMF · MS MARCO）都应按谱系锚点入档、不触发任何计数或决策树升级（对齐 R-111 的"不触发"纪律），但 MS MARCO 值得单独点名——它是 R-79 那条 agentic-vs-human 查询分布结论第一次有了可点击的正主，若今晚要补一条硬引用，就是它。