rag · E1 预消化简报（2026-09-25）

R101 E1 轮 · 窗口覆盖：2026-09-24 08:50 ~ 2026-09-25 08:50 CST 数据来源：Jay 9-25 CSDN/Substack 推理引擎/RAG/Agentic AI 高价值条目 + paper_cards Sep 25 新批次（1476-1506）+ work-queue Sep 25 + 活文档 rag.md R100 基线 诚实度声明：本轮增量密度「中」——RAG 主分类新入库 0 件；新批次（1476-1506）共 11 张新卡，无 RAG 主分类；Jay 9-25 补充了 RAG 四代演进框架（R96 Naive→Advanced→Agentic 三代到 R101 四代细化）+ SGLang H100 benchmark + Ken Huang KV Cache 系列工程深度；Agensh (2609.26781) work-queue Top 条目提供 RAG/Agent 编排邻接。无硬凑字数。

0. 概述与基线对齐

R100 状态确认：R100 锚入 2 件（RAG/memory 邻接 LatentPort 2609.25053 + RAG 评测方法论邻接 RoboFollow 2609.25636）+ 1 件 RAG 评测基准 fresh 来源（RAGSearch 2604.09666）+ RAG 2026 四新范式 CSDN 双源锚入（Jay 9-24）+ RAG 工程化 CSDN 锚入；work-queue 9-24 Top 条目 Agensh 2609.26781 标注为 RAG 邻接待跟进。

本轮（R101）新发现：RAG 主分类新 paper_card 入库 0 件——Sep 25 批次（1476-1506）共 11 张新卡，无一以 rag 为主分类；Jay 9-25 最关键增量是 RAG 四代演进框架（Naive RAG → Simple RAG → Complex RAG → Agentic RAG）——对 R96 Naive→Advanced→Agentic 三代架构做了工程化细化，与 R100 Jay 9-24 的"四新范式"（Graph-RAG/Agentic RAG/Memory-Augmented AI/Retrieval-free Reasoning）形成互补；SGLang vs vLLM H100 benchmark 揭示了推理引擎选择对 RAG 实时性的直接影响；Ken Huang KV Cache 物理系列提供了 RAG 长上下文处理的底层工程参照；Agensh (2609.26781) 无中心编排器 1,024 agents 为 RAG 多跳编排提供系统架构参照。

1. 增量条目（5 件）

增量 ① Jay 9-25 RAG 四代演进框架 · Naive RAG → Agentic RAG 工程化细化（核心新增）⭐⭐⭐

• 来源：Jay 9-25 0850 /inbox/jay/2026-09-25T0820-jay-csdn-substack-inference-rag-highvalue-sep25.md（CSDN 条目 3）+ https://blog.csdn.net/weixin_47547625/article/details/161535116
• 要点：2026 年 RAG 从"检索-生成"线性管道走向"理解-规划-检索-推理-生成"智能循环；四代演进：① Naive RAG（原始向量检索 + 生成）；② Simple RAG（基础分块 + 混合检索）；③ Complex RAG（多跳推理 + 初步规划）；④ Agentic RAG（检索本身成为 Agent 行动，支持自主决策下一步检索策略 + 迭代式修正）。Graph RAG + Agentic RAG 组合正让知识库从"高级 Ctrl+F"变为真正的"知识助手"。
• 与活文档现有脉络的关系：与 rag.md R96 Naive→Advanced→Agentic RAG 三代架构（§2.14 RAG 53 范式）形成工程化细化版本——R96 三代 vs R101 四代（R101 将"Advanced"拆解为 Simple RAG + Complex RAG 两阶段）；与 R100 Jay 9-24 RAG 2026 四新范式（Graph-RAG/Agentic RAG/Memory-Augmented AI/Retrieval-free Reasoning）形成互补——Jay 9-24 提供横向范式分类，Jay 9-25 提供纵向演进阶段；与 R100 RAGSearch 2604.09666（dense RAG vs GraphRAG agentic search 对照）形成评测-演进双轨印证。
• 建议归入节：§2.14 RAG 53 范式（Naive→Simple→Complex→Agentic 四代演进框架）+ 趋势 306 补充
• 可信度：★★★（CSDN 系统性综述，有演进逻辑和实测数据支撑；四代 vs 三代的颗粒度差异建议标注"待原文核验"）
• ⚠️ 需读全文：① Naive/Simple/Complex 三代的分界具体标准；② Complex RAG 的"多跳推理"具体实现机制；③ Graph RAG 在四代中的定位——是独立轨还是 Agentic RAG 的组件

增量 ② SGLang vs vLLM H100 Benchmark · RAG 运行时推理引擎选型（邻接）⭐⭐

• 来源：Jay 9-25 0850 条目 1 + https://blog.csdn.net/qq_27504375/article/details/163024278（CSDN，2026-08-31）+ work-queue Sep 25 Top 条目参照
• 要点：H100 实测 benchmark，prefix-heavy traffic，Llama 3.1 8B：SGLang ~16,200 tok/s vs vLLM ~12,500 tok/s，差距约 29%（来自 RadixAttention 前缀复用）；独立 prompt 场景两者差距缩小至 1-4%。结论：SGLang 适合共享 system prompt + 短用户轮次的多轮/Agentic 场景；vLLM 适合完全独立请求。RAG 检索-生成管道中，多轮对话和 Agentic 检索场景直接受益于 SGLang 的前缀缓存优势。
• 与活文档现有脉络的关系：与 rag.md §2.6 运行时与基础设施（143 件）邻接——推理引擎选择直接影响 RAG 端到端延迟；SGLang RadixAttention 前缀复用对 RAG 多轮对话场景（历史上下文重复利用）有直接工程价值；work-queue Sep 25 Top 条目（Agensh）无直接关联但均属于 Agent 系统范畴。
• 建议归入节：§2.6 运行时与基础设施（推理引擎 benchmark，RAG 场景选型参考）
• 可信度：★★★（H100 实测数据，含具体测试条件 Llama 3.1 8B/3.3 70B FP8）
• ⚠️ 需读全文：① 16,200 vs 12,500 tok/s 的具体测试配置（batch size/concurrency）；② 在更大模型（70B）上的差距是否保持；③ RAG 生产中 SGLang 的稳定性数据

增量 ③ Ken Huang KV Cache 物理与工程系列 · RAG 长上下文底层参照（邻接）⭐⭐

• 来源：Jay 9-25 0850 Substack 研究线索（Ken Huang，DistributedApps.ai，2026-09-04 起）+ https://kenhuangus.substack.com/p/announcing-the-10-part-series-the
• 要点：Ken Huang 发布 10 篇 LLM inference 物理与工程系列，部分核心议题：① KV Cache Accumulation Dilemma——长思考链 trace 占用 GPU HBM 数百秒，主动 batch size 下降，内存碎片化；② Global Radix Tree & Prefix Caching（vLLM/SGLang）——动态共享前缀检测、基于哈希 token 树、跨会话 system prompt 共享；③ Zhipu AI KVShare & Layer Pruning——跨层 KV cache 复用、稀疏层缓存、H2O/Scissorhands/StreamingLLM 动态 token 驱逐策略；④ Low-Precision KV Cache Kernels——FP8（E4M3）和 INT4 量化 KV cache 布局，子通道缩放因子，Triton 去量化 kernel。对 RAG 系统长上下文处理的底层工程有直接参照价值。
• 与活文档现有脉络的关系：与 rag.md §2.6 运行时（143 件）+ R99 DeepSeek-V4.1-Flash KV cache 压缩（§2.6 续立）邻接——Ken Huang 系列提供了 2026 年 KV Cache 工程优化的系统性全景；FP8/INT4 量化 KV cache 与 R99 DeepSeek-V4.1-Flash NLL 指标形成量化压缩-质量双轨；与 R100 LatentPort（persistent state handoff）形成 KV 层级的工程化参照（LatentPort 是 persistent state 跨模型迁移，KVShare 是跨请求/跨层复用）。
• 建议归入节：§2.6 运行时与基础设施（KV Cache 物理与工程全景，Long Context RAG 底层参照）
• 可信度：★★★（Substack 工程深度系列，有具体议题框架；具体数字待读全文）
• ⚠️ 需读全文：① KV Cache Accumulation Dilemma 的具体量化（数百秒 HBM 占用对应的 batch size/throughput 损失）；② KVShare 跨层复用的具体效率数字；③ FP8/INT4 KV cache 量化对 RAG 生成质量的影响

增量 ④ Agensh · 2609.26781 · 无中心编排器 1,024 Agents（work-queue Top · RAG/Agent 编排邻接）⭐⭐

• 来源：work-queue Sep 25（Top 0.5 高价值）+ paper_card 1486（主分类 agent，形态 method，副分类 evaluation）+ https://arxiv.org/abs/2609.26781
• 要点："Agensh: Scaling Organizational Intelligence to 1,024 Agents"——多智能体系统可通过并发执行降低复杂任务延迟，但现有 multi-agent harness 的可扩展性受限于中心编排器分配任务与协调 worker 的能力。Agensh 提出无需中心编排器的可扩展自组织 multi-agent harness：并发 worker 运行多智能体协作循环，持续收集上下文、自主认领并自分配子任务、执行动作并共享完成。可扩展至 1,024 个并发 agents。
• 与活文档现有脉络的关系：与 rag.md §2.6 运行时（143 件）+ R100 RAGSearch agentic search（2604.09666，多轮动态检索）邻接。Agensh 的自组织编排对 RAG 多跳场景（多步检索-推理循环）的系统架构有参照价值——去中心化 worker 协作循环与 RAG 多跳的"检索→理解→再检索→推理"循环有架构同构性；work-queue Sep 25 标注为 RAG 邻接但 R100 并未处理（待本轮跟进）。
• 建议归入节：§2.6 运行时与基础设施（multi-agent harness 工程，无中心编排器架构参照）
• 可信度：★★★（arXiv 原文 + paper_card 1486 正式入库 + OpenAlex 2026-09-25 入库；TLDR 完整但全文未读）
• ⚠️ 需读全文：① Agensh 在 RAG 检索场景的具体适用条件；② 1,024 agents 的协同效率数字；③ 与 LangGraph/CrewAI 等现有框架的集成方式

增量 ⑤ Calibration as First-Class Criterion · 2609.26489 · 置信度校准与 RAG 幻觉（邻接）⭐

• 来源：work-queue Sep 25（Top 0.5）+ paper_card 1504（主分类 evaluation，形态 benchmark）+ https://arxiv.org/abs/2609.26489
• 要点："将校准作为 LLM 评估中的一等标准"——语言模型校准（置信度与经验正确性的对齐）是 NLP 研究充分的子领域，测量方法已存在但采用率低：NLP 研究引入新模型/数据集/基准时很少检查置信度分数是否有意义。失当校准在两个领域造成问题：部署阶段过度自信的错误造成实际危害；研究内部影响基准可信度。对 RAG 的直接关联：RAG 生成质量与检索置信度密切相关——检索到的文档片段的 relevance score 如果没有良好校准，会导致下游生成盲目依赖低质量检索结果。
• 与活文档现有脉络的关系：与 rag.md §2.5 评测与泄漏（72 件评测）+ R100 RoboFollow（场景熵原则）邻接。Calibration 提供的是"置信度本身是否有意义"的元评测框架，可补充 RAG 评测体系中检索质量评估的置信度层面；与 R100 RAGSearch（dense RAG vs GraphRAG 统一评测基准）形成评测方法论互补（RAGSearch 评检索方法，Calibration 评置信度质量）。
• 建议归入节：§2.5 评测与泄漏（置信度校准作为 RAG 评测的补充维度）
• 可信度：★★★（arXiv 原文 + paper_card 1504 正式入库；全文未读，具体 RAG 场景迁移方案待核）
• ⚠️ 需读全文：① 置信度校准在 RAG 检索阶段的具体测量方法；② 与现有 RAG 评测基准（AgenticRAGTracer/FalkorDB GraphRAG-Bench）的互补整合方案

2. R100 续立条目状态确认（4 件）

3. 值得警惕的矛盾或待核实说法

⚠️ 待核实 ①：Jay 9-25 RAG 四代演进框架的代数对应

• 现状：Jay 9-25 提出 Naive RAG → Simple RAG → Complex RAG → Agentic RAG 四代；R96 提出 Naive RAG → Advanced RAG → Agentic RAG 三代；Jay 9-24 提出 Graph-RAG/Agentic RAG/Memory-Augmented AI/Retrieval-free Reasoning 四新范式。三套框架并存在知识库中，代数和颗粒度不一致。
• 关系分析：R96 三代是按系统复杂度纵向分层；Jay 9-25 四代是同一轴上的工程化细化（将 Advanced 拆为 Simple + Complex）；Jay 9-24 四新范式是横向范式分类（覆盖检索/图/记忆/无检索）。三者不矛盾但需要明确各自的分类维度。
• 建议：在 §2.14 RAG 53 范式中增加"演进轴"（Naive→Simple→Complex→Agentic）与"范式轴"（Graph/Agentic/Memory/Retrieval-free）的双轴说明，避免混淆

⚠️ 待核实 ②：SGLang 16,200 tok/s benchmark 的测试条件

• 现状：Jay 9-25 给出 H100 SGLang ~16,200 tok/s vs vLLM ~12,500 tok/s（Llama 3.1 8B，prefix-heavy traffic），差距 29%。但具体 batch size、并发数、prefix 长度未披露。
• 建议核实路径：读原文 benchmark 配置；与 rag.md §2.6 运行时现有数据（vLLM/SGLang 对比）交叉验证

⚠️ 待核实 ③：Ken Huang KV Cache 物理系列的具体数字

• 现状：KV Cache Accumulation Dilemma（数百秒 HBM 占用）、KVShare 跨层复用、FP8/INT4 量化等议题框架存在但具体数字未披露
• 建议核实路径：读 Ken Huang Substack 系列第一篇（2026-09-04）+ 与 R99 DeepSeek-V4.1-Flash KV Cache 压缩数据交叉验证

⚠️ 待核实 ④：Jay 9-24 "80% 项目死在解析"数据来源（R100 延续）

• 现状：R100 标注待核实，R101 仍未解决
• 建议核实路径：溯源 CSDN 原文引用的原始数据

4. 可引用 arXiv 号列表

5. 建议归入活文档节

6. 检查过的来源清单

7. R101 vs R100 诚实差异说明

本轮增量性质：本轮无 RAG 主分类新卡，但提供了 R100 锚点框架的工程化深化——RAG 四代演进框架补充了纵向代数细化，SGLang benchmark 提供了运行时选型量化，Ken Huang 系列提供了底层工程参照，Agensh 补充了 multi-agent 编排架构。

Tom · E1 预消化 · R101 · 2026-09-25 08:50 CST · 仅写入 /shared/research-kb/inbox/tom/2026-09-25-rag-e1prep.md