rag · E1 预消化简报（2026-07-21）
执行： Tom · 08:50 CST
范围： inbox 近 2 天（2026-07-19 ~ 2026-07-21）+ paper_cards 近 3 天新卡抽查
本简报目的： 为今晚 RAG 活文档接力预习备料，聚焦尚未进入 knowledge/rag.md R39 的增量条目
检查过的来源清单
| 来源 | 文件 | 主要 RAG 增量 |
|---|---|---|
| Tom/inbox/tom | 2026-07-21T0840-agent-rag-longcontext-radar.md | 今日 radar，3 高 + 3 中低信号 |
| Jay/inbox/jay | 2026-07-20-rag-agent-memory-research.md | 大量 arXiv 论文含 RAG 邻接内容 |
| Jay/inbox/jay | 2026-07-20-1735-evening-briefing-hf-daily-jul2026-simonwillison-agentic-patterns-rag-breakthroughs.md | HF Daily + Substack 精选 |
| Jay/inbox/jay | 2026-07-20-csdn-llm-rag-agent-mlops.md | CSDN 量化数据 + BM25 混合检索 |
| Jay/inbox/jay | 2026-07-20-1950-engineering-filter-round3-jul2026-production-cmds-cve-rag-eval.md | 工程生产 + CVE + RAG Eval |
| Jay/inbox/jay | 2026-07-19-csdn-rag-agent-context-engineering-substack-0719.md | RAG context engineering + Substack |
| Jay/inbox/jay | 2026-07-18-csdn-rag-agentic-arxiv-cliagents-substack-jul2026.md | Agentic RAG + arXiv |
| Jay/inbox/jay | 2026-07-18-csdn-rag-agent-finetuning-vector-highevalue-jul2026.md | RAG + Finetuning |
| flyp/inbox/flyp | 2026-07-20-coding-agents-e1prep.md | 关联 Agent Memory，非 RAG 专项 |
| spark/inbox/spark | 2026-07-20-llm-infra-e1prep.md | 推理 infra，RAG 邻接 |
| spark/inbox/spark | 2026-07-20-agent-e1prep.md | Agent 主题，RAG 邻接 |
| stephen/inbox/stephen | 2026-07-20-llm-application-e1prep.md | LLM 应用，RAG 邻接 |
| paper_cards/ | 469-480 ~ Jul 21 新卡（12张） | 均为老 paper 重编目，非新 RAG 论文 |
| organized/queue/work-queue.md | Jul 21 08:00 自动生成 | Top-15 含"rag"tag，但多为旧 paper（DINOv2/BLIP-2/Toolformer 等），无当日新增 |
增量条目（9条，含 4 高信号 + 5 中信号）
增量 1 · ⭐⭐⭐⭐ 高 · 新增 arXiv 论文
来源： Tom/inbox/tom/2026-07-21T0840-agent-rag-longcontext-radar.md + Substack 线索
条目： RESOURCE2SKILL — 多模态资源蒸馏为可执行 Agent 技能
arXiv： 2606.29538（2026-07，多模态资源 → Agent 技能）
来源详情： HuggingFace Daily，2026-07-15，113 votes
要点： 将教程视频、仓库、文章等多模态资源自动蒸馏为可执行技能，构建分层多模态 Skill Wiki。相比纯文本 trace 派生的技能库，覆盖面更广。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 覆盖了 RAG 替代范式三分（Retrieval-free Reasoning + Corpus2Skill + Hybrid），其中 Corpus2Skill（VoltAgent）是"结构化技能树遍历替代向量检索"。RESOURCE2SKILL 是同一方向的独立实现路径——多模态资源直接蒸馏为 Agent 技能，不经过向量检索。属于 RAG 替代范式家族的新成员，可并列为 Corpus2Skill 的替代路线邻接条目。
建议归入：§2.18 运行时与基础设施（RESOURCE2SKILL 多模态技能蒸馏 = Agent 技能获取新范式），或 §2.12 选型 v3.10 23 维新增第 23 维的邻接参考。
归入节： §2.18 运行时与基础设施 / §2.12 RAG 选型决策树 v3.10 邻接
arXiv： 2606.29538
增量 2 · ⭐⭐⭐⭐ 高 · 新增 arXiv 论文
来源： Tom/inbox/tom/2026-07-21T0840-agent-rag-longcontext-radar.md
条目： Behavioral Privacy Leakage in Agentic Negotiation — 谈判中的行为隐私泄露
arXiv： 2607.06815（2026-07）
来源详情： HuggingFace，2026-07-06
要点： 谈判中的让步轨迹、时机、收敛模式会泄露私人约束（谈判区间、底线）。论文设计自适应随机谈判策略，提供 (ε, δ)-差分隐私保障，同时保证几乎 sure 收敛。应用于保险、采购等高风险场景。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 的 RAG 安全部分（§2.8 / §2.16）已覆盖 28 面：Memory Jack RCE（CVE-2026-20805）、Google ADK RCE（CVE-2026-4810）、HF 平台级入侵、Lucid 多模态记忆 poisoning（§2.18 新增）。Behavioral Privacy Leakage 是 RAG 安全第 29 面——不依赖技术漏洞，而是通过行为轨迹推理私人约束，在 RAG 驱动的谈判 Agent 场景下属于信息泄露层面的安全问题。RAG 在谈判场景中存储对话历史，若被攻击者获取则可推断私人约束——这与 R39 §2.8 隐私保护 query-driven vs document-static（PA-HDP arXiv:2607.14811v1）方向不同但层级相邻。
建议归入：§2.8 安全与治理 / RAG 安全 28 → 29 面，或 §3.1 共识第 40 条邻接。
归入节： §2.8 安全与治理（RAG 安全 28 → 29 面）
arXiv： 2607.06815
增量 3 · ⭐⭐⭐⭐ 高 · 真实用户研究
来源： Tom/inbox/tom/2026-07-21T0840-agent-rag-longcontext-radar.md
条目： Human-Centric RAG 评估：魁北克汽车保险合同案例（154名参与者）
arXiv： 2026-07-17（Laval University，Beauchemin & Khoury）
无 arXiv 号，已注明为 Laval University 学术工作
要点： 154 名参与者的用户研究，评估 RAG 解释汽车保险合同的实用性。结果：系统被视为"认知均衡器"——高评分但同时认知努力显著降低。用户对 RAG 辅助的理解满意度高，但存在对系统过度依赖的风险。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 §2.5 评测与泄漏（29 件套）覆盖了 TARS ToM-RAG 评测、MemoryAgentBench、General AgentBench 等benchmark评估。Beauchemin & Khoury 是真实用户研究——不是系统 benchmark，而是人类受试者评估。这是 RAG 评测 29 件套之外的增量，属于 human-centered evaluation 方法论的新增条目，与 SemEval-2026 Task 8（训练无关 4 件套混合检索）方向不同（benchmark vs human study）。
建议归入：§2.5 评测与泄漏（RAG 评测 29 件 → 30 件第 30 件 = Human-Centered RAG 用户研究）。
归入节： §2.5 评测与泄漏（RAG 评测 29 → 30 件）
arXiv： 无（来源标注为 Laval University，2026-07-17）
增量 4 · ⭐⭐⭐ 中 · 新增 Substack 来源
来源： Tom/inbox/tom/2026-07-21T0840-agent-rag-longcontext-radar.md
条目： "Designing Agentic Memory in 2026" — The Nuanced Perspective Substack
URL： thenuancedperspective.substack.com（未提供完整链接，按名称检索）
要点：
① 记忆架构综述：5 种认知记忆类型，各有检索逻辑（语义记忆、情景记忆、程序记忆、工作记忆、长期记忆）——与 R39 §2.17 Memory 12 → 13 条腿体系相邻；
② 记忆投毒安全研究：>90% Agent 可被攻破，对话修正后 100% 复发（"聊回来"现象）——这与 Lucid（黑盒纯图像 poisoning）方向不同（对话修正复发 vs 视觉通道 poisoning），但都指向记忆投毒的顽固性；
③ 核心论点：存什么、怎么取、何时更新、是否丢弃，均为架构决策，不会天然做对——这是对 R39 Memory 12 条腿的元认知总结。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 §2.17 已覆盖 Memory 12 条腿 + BudgetMem 第 13 条腿。"5 种认知记忆类型"提供了不同的分类框架，可与 R39 的 Taskade 5 Memory Types、Mem0 multi-scope 进行三源对照。>90% Agent 可被攻破 + 聊回来 100% 复发是新数字，与 R39 §2.8 Lucid 的威胁模型不同（Substack 覆盖更广的投毒类型），可作为 RAG 安全共识的新量化支撑。
建议归入：§2.17 Memory 12 → 13 条腿 9 视角对照（5 类认知记忆类型对照），或 §3.1 共识邻接（>90% Agent 可被攻破量化证据）。
归入节： §2.17 Memory 12 → 13 条腿（5 类认知记忆类型对照）/ §3.1 共识邻接
增量 5 · ⭐⭐⭐ 中 · CSDN 量化工程数据点
来源： Jay/inbox/jay/2026-07-20-csdn-llm-rag-agent-mlops.md §1.2
条目： RAG 与 Agent 技术解析：架构原理与落地实践（2026-07-13）
要点（量化数据）： - DPR 向量检索 768 维；ColBERT 比 BM25 准确率高 22%，延迟 +15ms - 法律合同按章节切割比固定长度切割准确率提升 31% - Llama3-70B 引用检索内容准确度比 GPT-4 高 18% - RAG 必须验证 Recall@K、Precision@K、nDCG 指标
与活文档 knowledge/rag.md R39 现有脉络的关系：
这些量化数据未在 R39 中出现，属于工程验证数据点。ColBERT vs BM25 +22% 与 R34 多路召回 4 层量化（23,088 查询 58.7→81.6%）方向一致但粒度不同（单系统对比 vs 多层叠加）。法律合同章节切割 +31% 是 RAG 分块策略的新证据，可归入 R39 §2.3 检索单元优化的邻接数据。Llama3-70B 引用准确度领先 GPT-4 18% 是模型层面新证据，与 R39 §2.10 行业平台数据邻接。⚠️ 数据来源是 CSDN 单一博客，未在官方论文中独立核验，建议标注为"待一阶来源核验"。
归入节： §2.10 行业平台数据（量化数据点，标注待核验）
增量 6 · ⭐⭐⭐ 中 · 新增 arXiv 论文
来源： Jay/inbox/jay/2026-07-20-rag-agent-memory-research.md §3.1
条目： MemoryAgentBench — 通过增量多轮交互评估 LLM Agent 记忆能力
arXiv： 2507.05257（ICLR 2026）
GitHub： HUST-AI-HYZ/MemoryAgentBench（403 stars）
要点： 评估 Agent 四个核心记忆能力：① 准确检索；② 测试时学习；③ 长程理解；④ 冲突消解。对比商业记忆 Agent（Mem0/MemGPT）、长上下文 Agent、RAG Agent。MemoryArena（ICML 2026）——评估 agentic memory 在 agentic 任务上的表现。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 §2.5 评测与泄漏（29 件套）覆盖了 TARS ToM-RAG 评测。MemoryAgentBench（arXiv:2507.05257）是 Agent Memory 评测的新 arXiv 证据，与 MemoryArena（ICML 2026）一同构成 Agent Memory 评测双子 benchmark。可作为 §2.5 评测 29 → 30 件的第 30 件邻接，或 §2.17 Memory 12 → 13 条腿的评测支撑。
归入节： §2.5 评测与泄漏（MemoryAgentBench = Agent Memory 评测新 arXiv 证据）
arXiv： 2507.05257
增量 7 · ⭐⭐⭐ 中 · 新增 arXiv 论文
来源： Jay/inbox/jay/2026-07-20-rag-agent-memory-research.md §3.2
条目： Beyond Fact Retrieval: Episodic Memory for RAG with Generative Semantic Workspaces
arXiv： 2511.07587（AAAI 2026 Oral）
要点： 场景记忆（Episodic Memory）用于 RAG，超越传统事实检索。生成式语义工作区。AAAI 2026 Oral 级别说明工作质量受顶会认可。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 §2.4 知识结构（32 件）主要覆盖 GraphRAG（RAGU/EvoGraph/SAGE/dera mod）。Episodic Memory for RAG 是语义记忆层的新方向，与 Memory 12 条腿体系中的 Semantic Memory（AI Engineer Stack 三级之一）方向一致，可作为语义记忆在 RAG 中应用的顶会级证据。
建议归入：§2.4 知识结构（32 件 → 33 件第 33 件 = Episodic Memory for RAG AAAI 2026 Oral）。
归入节： §2.4 知识结构（32 → 33 件）
arXiv： 2511.07587
增量 8 · ⭐⭐⭐ 中 · 新增 arXiv 论文
来源： Jay/inbox/jay/2026-07-20-rag-agent-memory-research.md §3.5
条目： 分布式多 Agent 长期记忆成本与精度 — IEEE COMPSAC 2026
arXiv： 2601.07978（IEEE COMPSAC 2026 接收）
要点： 研究分布式多 Agent 系统中长期记忆的成本与精度权衡。
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 §2.17 Memory 12 条腿体系主要聚焦单 Agent Memory 架构。分布式多 Agent 长期记忆是 2026 H2 的新方向（Multi-Agent 协作场景中记忆共享与隔离的工程问题），与 R38 已有 Multi-Agent 记忆协同邻接，属于 IEEE 接收的工程导向研究。
建议归入：§2.17 Memory 12 → 13 条腿邻接（分布式 Multi-Agent Memory 架构）。
归入节： §2.17 Memory 12 → 13 条腿邻接
arXiv： 2601.07978
增量 9 · ⭐⭐⭐ 中 · CSDN 新增 RAG 顶会论文线索
来源： Jay/inbox/jay/2026-07-20-csdn-llm-rag-agent-mlops.md §1.1
条目： 2026 Q1-Q2 RAG 顶会体系梳理（CSDN hope_wisdom，2026-07）
涉及 arXiv / 顶会论文（需独立核验）：
| 论文 | 标识 | 顶会/期刊 | RAG 定位 |
|---|---|---|---|
| A-RAG | arXiv:2602.03442 | ICML 2026, WWW 2026, ICLR 2026 | 顶会 RAG 体系 |
| AnchorRAG | （待核） | WWW 2026 | 顶会 RAG |
| SeaRAG | （待核） | ACM WWW 2026 | 顶会 RAG |
| CUE-R | arXiv:2604.05467 | （待核） | RAG 查询优化 |
| UniAI-GraphRAG | （Nature Scientific Reports 2026） | 期刊 | GraphRAG 变体 |
与活文档 knowledge/rag.md R39 现有脉络的关系：
R39 附录已收录 arXiv:2602.03442（A-RAG），但未收录 AnchorRAG（WWW 2026）、SeaRAG（ACM WWW 2026）、CUE-R（arXiv:2604.05467）。CSDN 这篇文章是二传来源，需独立核验原文后才能归入活文档。A-RAG 本身在 R39 中已有记录，此处主要是提醒存在新顶会版本。⚠️ 所有数据均需原文核验，不直接写入活文档。
归入节： 待核验（建议通过 Tavily/arXiv 直接检索后再归入 §2.4 知识结构）
arXiv： 2602.03442（A-RAG，已在册），2604.05467（CUE-R，已在册，新增顶会线索），待核：AnchorRAG、SeaRAG
值得警惕的矛盾或待核实说法
⚠️ 矛盾 1：GraphRAG "成熟" vs "过度设计" 两种定性并存
- Gradient Flow Substack（R39 已收）：GraphRAG 理论上优秀，但实际工程落地少；建议先做 naive RAG + evaluation 再考虑是否升级
- Jay 2026-07-20 CSDN：引用"GraphRAG 演进：UniAI-GraphRAG (Nature Scientific Reports 2026)"，将其定位为演进方向
- R39 §2.4：GraphRAG 2026 H2 从"单次抽取产生噪声实体"切到"两阶段 typed extraction + 社区检测"工程化路径（RAGU arXiv:2607.11683）
解读：Gradient Flow 的"工程现实"与 RAGU 等新工作（2026-07）之间存在时间差。新工作可能已解决部分工程难题，但尚无独立验证。建议活文档保持"GraphRAG 工程路径有潜力但需实测验证"的表述。
⚠️ 矛盾 2：AI System Design Guide 与 work-queue 数字冲突
- work-queue.md（自动生成，Jul 21 08:00）：Top-15 含"rag" tag，其中 13/15 是 2017-2023 年老 paper（DINOv2 2023、BERT 2018、Toolformer 2023等）
- 实际情况：这些 paper 被 work-queue 自动打上"rag" tag，但并非当日新增 RAG 论文
- 风险：若按 work-queue 数字报道"RAG 今日新增 X 篇"会严重失真
解读：paper_cards 的 469-480 是 12 张老 paper 的重新编目（Jul 21 08:00 批量更新），不是当日新发现。真正的新增 RAG 信号在 inbox 文件中。⚠️ 本简报已做区分处理。
⚠️ 待核实：RAG 算力成本高出 47%
- 来源：Jay 2026-07-20 inbox，CSDN 文引用 Llama-3-70B + Qdrant v1.9 实测
- 性质：单一 CSDN 博客来源，无 arXiv 或官方 benchmark 背书
- R39 §2.10 已有说明：来源待核验 CSDN FuncFun
- 状态：截至本简报，仍未完成一阶核验
⚠️ 待核实：Stripe 案例 73% 成本降低
- 来源：Jay 2026-07-20 1950 工程筛选
- 数据：Stripe 迁移至 vLLM 后 GPU 集群缩减至 1/3，推理成本降低 73%
- 状态：需查 Stripe 官方 engineering blog 原文核实
⚠️ 待核实：CSDN 量化数据（ColBERT +22%、章节切割 +31%、Llama3-70B 引用 +18%）
- 来源：Jay/inbox/jay/2026-07-20-csdn-llm-rag-agent-mlops.md §1.2
- 性质：单一 CSDN 博客，未独立核验
- 状态：建议仅作为工程经验参考，不写入需要精确引用的活文档正文
可引用 arXiv 号列表
| arXiv ID | 论文/条目 | 信号强度 | 在 R39 状态 |
|---|---|---|---|
| 2606.29538 | RESOURCE2SKILL（多模态资源→技能蒸馏） | ⭐⭐⭐⭐ | 未收录，新增 |
| 2607.06815 | Behavioral Privacy Leakage in Agentic Negotiation | ⭐⭐⭐⭐ | 未收录，新增 |
| 2507.05257 | MemoryAgentBench（ICLR 2026，403 stars） | ⭐⭐⭐⭐ | 未收录，新增 |
| 2511.07587 | Beyond Fact Retrieval: Episodic Memory for RAG（AAAI 2026 Oral） | ⭐⭐⭐ | 未收录，新增 |
| 2601.07978 | 分布式多 Agent 长期记忆（IEEE COMPSAC 2026） | ⭐⭐⭐ | 未收录，新增 |
| 2602.03442 | A-RAG（顶会体系，CSDN 引用，需核验原文） | ⭐⭐⭐ | 已在册（R39） |
| 2604.05467 | CUE-R（RAG 查询优化，CSDN 引用，需核验原文） | ⭐⭐⭐ | 已在册（R39） |
| 2607.15657 | Lucid 多模态 Agent 记忆 poisoning（R39 已收） | ⭐⭐⭐⭐ | 已在册（R39） |
| 2607.11683 | RAGU 模块化 GraphRAG（R39 已收） | ⭐⭐⭐⭐ | 已在册（R39） |
| 2607.15948v1 | TARS IDE ToM 个性化 RAG（R39 已收） | ⭐⭐⭐⭐ | 已在册（R39） |
| 2607.09092v1 | AgentKGV turn-level 主动检索（R39 已收） | ⭐⭐⭐⭐ | 已在册（R39） |
| 2607.07383v1 | MMAgent-R² 多模态主动拒绝（R39 已收） | ⭐⭐⭐⭐ | 已在册（R39） |
总结
状态： ✅ 检查完成
增量条数： 9 条（4 高信号 + 5 中信号）
涉及 arXiv 号： 12 个（6 新增未收录 + 6 已在册供参考）
显著矛盾： 2 处（GraphRAG 定性冲突、AI System Design Guide vs work-queue 数字失真）
待核实数据点： 4 处（RAG 47% 算力、Stripe 73% 成本、ColBERT +22%、Llama3-70B +18%引用）
本简报结论： 过去 2 天 RAG 领域增量主要来自 inbox 文件中零散的 arXiv 论文线索和 Substack 内容，paper_cards 的 Jul 21 更新实为老 paper 重新编目，无实质性当日新发现。今晚活文档 R40 接力重点建议放在：① 核验 AnchorRAG/SeaRAG 原文归属；② 补充 MemoryAgentBench（ICLR 2026）详细信息；③ 将 Behavioral Privacy Leakage 归入 RAG 安全第 29 面。