rag · E1 预消化简报(2026-10-14)

概述

来源核查：清单内 materials 共 6 项（含 2 paper_cards + 1 repo_card + 3 条 note-links）。其中 2 篇 paper_cards 均为首次进入本轮 E1 流程（2610.13695 昨日 radar 已有记录但未入 e1prep；2610.13314 全新），repo_card Clawock 首次出现；3 条 note-links 均为昨日已有条目的引用记录，不产生新增量。

实际增量：2 件新 paper_cards（2610.13695、2610.13314）+ 1 件新 repo_card（KCNyu/clawock）。

E1 简报性质：本次增量规模小（3 件），不足以支撑 2000-4000 字篇幅。按约束"材料不足则简明处理，不强行达到旧提示词字数"——本简报聚焦 3 件增量的实质内容，附带相关工程上下文。

  • 来源：organized/paper_cards/1756-2610-13695.md（paper_card #1756）
  • arXiv：2610.13695（Ibrahim Siddig, Sviatoslav Tugeev, Munir Georges）
  • 发表：2026-10-09，OpenAlex 更新 2026-10-14

核心内容

论文针对「可靠性关键场景」（医疗/法律），提出用结构化知识图谱（KG）驱动 RAG，实现生成过程的可验证性。核心问题：naive RAG 在大规模源下忽略关键上下文，且 LLM 黑盒输出无法追溯到具体来源依据。

技术方案： - 结构驱动解析（structure-driven parsing）：从源文档构建 KG，节点=法律实体/条款，边=关系 - KG-informed chunking：根据 KG 结构而非固定长度切分文档，保证知识单元完整性 - KG-informed retrieval：检索时不仅返回文档块，还返回 KG 路径，实现可审计的引用链 - 评测：对标法律推理任务，比较多种 KG 感知分块与检索策略对「检索引文准确性」的影响

TLDR 中文：采用结构驱动解析为源文档的导航与检索构建知识图谱（KG），并比较多种KG感知的分块与检索策略，评估其对检索引文准确性的影响。

与 knowledge/rag.md 现有脉络的关系

本知识库已有以下相关锚点： - R108-R118 协议级门控 9 轨：可验证 RAG 与「Decision 协议级门控」（AI-Decision Checkpoints 2610.06207）形成纵向对齐——后者关注决策可审计性，本篇关注引文可验证性 - Trustworthiness in RAG Systems 2409.10102（R118 入库）：该综述覆盖 RAG 可信度四大维度（公平性/鲁棒性/隐私性/可解释性），本篇聚焦可解释性子维度——引文路径的可视化验证 - RAG 评测 4 层架构（R118 Jay CSDN）：L1 检索层precision@k/L2 生成层 faithfulness → 本篇工作在 L1 层引入 KG 结构化，属于检索层的范式改进 - 可引用的对齐文章：Q-RAG 2511.07328（Embedder RL）、Geometry of Hierarchical Navigation 2610.12312（HNSW 召回层几何理论）——均为检索结构化方向

建议归入章节：§2.14（范式：可验证 RAG 节点）或 §2.8（安全与治理：RAG 可信度/可解释性子维度）。法律/医疗领域的 KG-RAG 是 2026 年可靠推理的重点方向，与 Skill-RAG（2604.24594）同属 RAG 范式扩展谱系。

值得警惕的矛盾

论文尚未经过大规模引用验证（2026-10-14 刚入库），TLDR 描述了方法论但缺乏具体数字指标（准确率提升%、延迟对比）。法律场景的特殊性（法律文本结构高度规范化）可能限制向通用 RAG 的迁移性，评测结论需持保留态度。

增量 2：NEAR — Neighborhood-Aware Residuals for Memory Retrieval

  • 来源：organized/paper_cards/1764-2610-13314.md（paper_card #1764）
  • arXiv：2610.13314
  • 发表：2026-10-09，OpenAlex 更新 2026-10-14

核心内容

NEAR（NEighborhood-Aware Residuals）提出一种无需训练的框架，利用存储记录之间的信息共享来构建查询-记忆匹配的局部参考，从而提升问答性能。

核心机制： - 训练-free（training-free）：不需要梯度训练，利用已有记忆记录的共现结构 - 局部参考构建：为每个查询从记忆库中动态构建"局部参考"（local references），而非依赖全局最近邻 - QA 提升：在问答任务上验证，问答性能提升

TLDR 中文：提出NEAR（NEighborhood-Aware Residuals），一种无需训练的框架，利用存储记录共享的信息构建查询-记忆匹配的局部参考，从而提升问答性能。

与 knowledge/rag.md 现有脉络的关系

  • §2.9 Memory（49+ 条）：本篇与 δ-mem（2605.12357 NeurIPS 2026）同属"超越 RAG+Long Context 的第三条路"——但 δ-mem 用微型关联记忆（8×8 矩阵，4.87M 参数），NEAR 用局部参考（local references）共享结构，两者机制不同
  • R115 Memory Portability（2609.05339）：记忆可移植性方向，NEAR 的"局部参考"可视为记忆组织方式的一种
  • Skill-RAG 2604.24594：技能库动态加载方向，与 NEAR 的"记忆记录局部参考"在「动态构建检索上下文」上有共性，但粒度不同（技能 vs 记忆记录）
  • Memory taxonomy（Redis 4 类 memory）：NEAR 属于 episodic memory 的检索增强，working memory 的动态匹配

建议归入章节：§2.9 Memory（局部参考构建作为记忆检索的一种新机制），可作为 δ-mem 的补充而非替代——两者面向不同粒度，δ-mem 是参数化记忆，NEAR 是无训练的索引结构。

值得警惕的矛盾

无训练框架的代价：在大规模记忆库（10K+ 记录）上的扩展性未披露；"局部参考"的构建成本（O(n) 扫描还是 O(1) 索引？）尚不明确。QA 提升数字未在 paper_card 中记录，评估结论的可信度需查阅原文。

增量 3：KCNyu/clawock

  • 来源：organized/repo_cards/1271-kcnyu-clawock.md（repo_card #1271）
  • GitHub：https://github.com/KCNyu/clawock
  • 主题：agent, rag, risk
  • Stars：19（周增 +1），MIT 许可，experimental 成熟度
  • 最近提交：2026-10-13（今日）

核心内容

clawock 是一个真实交易 Agent 评估框架（港美券商账户），核心设计： - AI 争论（debate）→ 代码裁决（code settles）→ 亏损留在账面上 - 每笔交易必须经过 Agent 辩论流程，由模型无法触碰的代码执行结算 - 策略作为插件（plugins），参数搜索只能给出"建议"而非直接执行 - 可安装到 OpenClaw、Claude Code、Codex、DeepSeek Harness

与 knowledge/rag.md 现有脉络的关系

  • §2.11 工业部署 / §2.10 成本结构：clawock 的辩论机制可类比为 RAG 的「验证层」——Agent 内部辩论相当于多跳检索后的交叉验证，防止幻觉引用下单
  • RAGAS 工业流水线（data→retrieval→generation→evaluation→feedback）：clawock 的 plugin 评估 + 辩论机制与其有结构相似性
  • OWASP MCP Top 10（theaiengineer 2026 版）：clawock 的"代码裁决"设计本质上是一种 runtime guardrail——在 tool execution 层而非 output 层阻断危险操作
  • 值得记录：clawock 是 eval 框架而非 RAG 框架，但其"辩论+裁决"模式与可验证 RAG 的思路有共鸣，值得在 Agent 评估 × RAG 交叉研究中关注

建议归入章节：§2.11 工业部署（Agent 评估框架新节点），或 §2.8 安全与治理（runtime guardrail 的具体实现形态）。

值得警惕的矛盾

Stars 仅 19，属于 experimental 阶段；真实金融账户场景的特殊性（市场风险/监管合规）可能限制其方法向通用 RAG 评估的迁移性。

以下内容来自 note-links 但不计入增量，仅用于理解上述 3 件增量的工程上下文：

  1. 2026 AI Agent Stack（theaiengineer 2026 版）：L3 Memory 是独立层（非 vector DB 附属），L4 Knowledge = RAG 外部知识。意义：RAG 在 2026 架构中定位更清晰——是 Knowledge 层而非 Memory 层。
  2. ColPali Multimodal RAG GPU Benchmark（Spheron）：H200 141GB 配置下 ColQwen2.5-7B ~16GB + Qdrant 500K pages ~50GB + Qwen2.5-VL-7B via vLLM ~49GB；吞吐量 B200 ~48-70 pages/s。意义：多模态 RAG 在 GPU 上的工程可行性。
  3. Redis 4 类 Memory Taxonomy：working/episodic/semantic/procedural。意义：NEAR（增量2）属于 episodic memory 检索增强。
  4. Guardrails before action 模式（Andrii Furmanets）：授权检查在 tool execution 层而非 output 层——与 clawock 的"代码裁决"思路同构。

矛盾或待核实说法汇总

# 内容 矛盾/待核实点
1 2610.13695 的 KG 感知检索策略对「检索引文准确性」的具体提升数字 paper_card 未披露%，需查原文
2 NEAR 局部参考构建的计算复杂度（O(n) 扫描 vs O(1) 索引） paper_card 未披露，需查原文
3 NEAR 在大规模记忆库（10K+ 记录）上的扩展性 paper_card 未披露
4 2610.13695 法律场景方法对通用 RAG 的迁移性 高度结构化法律文本，可能限制泛化
5 clawock 辩论机制与 RAG 验证层的类比是否成立 本质上是 Agent 决策安全，不是 RAG 评测，类比需谨慎

arXiv 号列表（可引用）

arXiv 号 标题 与 RAG 主题的关系
2610.13695 Verifiable Retrieval for Legal Reasoning via Structure-driven Knowledge Graph 本次增量1：KG-RAG 可验证性
2610.13314 NEAR: Neighborhood-Aware Residuals for Memory Retrieval 本次增量2：无训练记忆检索
2610.13166 Scaling Agentic Data for Long-Horizon Terminal Intelligence 背景：长程轨迹数据合成（非 RAG 直接相关，仅关联）
2610.13361 AgentSWE: 编码 Agent 开发生命周期 benchmark 背景：Agent 评测（非 RAG 直接相关，仅关联）
2609.36616 CrossTimeEdit: 历史街景 decade-spanning 数据集 背景：CV/RAG 偏题，忽略
2610.09116 SPLATIFY: Papers → Trainable 3DGS Code 背景：多 Agent 框架偏 3D，参考价值有限
2610.12933 Uncertainty-Guided Progressive Contraction for Reasoning Post-Training 背景：Agent 后训练成本优化，间接关联

核心引用（本次增量）：2610.13695、2610.13314

检查过的来源

  • /shared/research-kb/organized/indexes/work-guard/a226d618-fe37-4db7-8abc-71fb9c344c0e.json ✓
  • /shared/research-kb/organized/paper_cards/1756-2610-13695.md ✓（新）
  • /shared/research-kb/organized/paper_cards/1764-2610-13314.md ✓（新）
  • /shared/research-kb/organized/repo_cards/1271-kcnyu-clawock.md ✓（新）
  • /shared/research-kb/inbox/tom/2026-10-13T2040-agent-rag-longcontext-radar.md ✓（已有条目，note-links 引用不产生新增量）
  • /shared/research-kb/inbox/jay/2026-10-13-evening-engineering-filter.md ✓（note-links 引用不产生新增量）
  • /shared/research-kb/inbox/jay/2026-10-13-1620-csdn-substack-inference-rag-agent-oct2026.md ✓（note-links 引用不产生新增量）
  • /shared/research-kb/organized/queue/work-queue.md ✓
  • /shared/research-kb/inbox/tom/2026-10-13_rag-lite.md ✓
  • /shared/research-kb/organized/knowledge/rag.md ✓（R118 基线）

简报结论

增量条数：3 件（2 paper_cards + 1 repo_card）

显著新增量评估：本次增量规模小——2610.13695 已在昨日 radar 中被标记为高价值但未入 e1prep，2610.13314 和 clawock 首次出现。整体属于"小规模补充"，知识库整体脉络（R118 基线）无结构性变化。

建议： - 2610.13695 归入 §2.14（可验证 RAG 节点），与 Trustworthiness 2409.10102 对齐 - 2610.13314 归入 §2.9 Memory，作为 δ-mem 的补充（参数化 vs 无训练索引） - clawock 归入 §2.11（Agent 评估框架节点），guardrail 性质与 runtime governance 对齐 - 本次不触发知识库主文件的结构修改，滚动更新即可

status：idle（无高价值新缺口，work-queue 确认 RAG Top 15 全空）

Tom · E1 预消化轮 · 2026-10-14 08:50 CST · rag 主题