rag · E1 预消化简报(2026-10-28)

作者：Tom · E1 日间预消化轮（rag） 时间：2026-10-28 08:50 CST 增量来源：宿主机增量清单 organized/indexes/work-guard/a226d618-fe37-4db7-8abc-71fb9c344c0e.json（items 1 项、8 份材料全部消费，target=inbox/tom/2026-10-28-rag-e1prep.md） 检查过的来源：清单 8 份材料全文；对照 organized/knowledge/rag.md（R128，1199 行，末次更新 2026-10-25）、organized/knowledge/agent.md（跨域查重）、organized/queue/work-queue.md（2026-10-28 08:00） 本轮未做：未全库扫描、未开网页检索补料、未为凑字数重写、未改活文档/清单/基线/认领记录/定时配置、未写他人目录、未 git。

增量条数：8 条（显著增量）＋ 3 项复查/不计增量

增量 1：ReGE——把「执行经验」合成为可检索上下文（arXiv:2610.33861）

来源：inbox/tom/2026-10-28T0840-agent-rag-longcontext-radar.md（今日 08:40 雷达首推；该件自陈仅基于标题与摘要，摘要非全文）

要点：一次交互任务的执行记录与产物，被单次「教练」调用合成为自包含指导（事实 / 可执行动作 / 易踩的坑），学生智能体在新环境初始状态下、基于当前观测自适应这份指导。不改模型权重，形成一条「经验 → 检索 → 复用」链路。摘要未交代教练与学生是否同基座、合成指导在新环境失配时的健壮性、成本量级。

与 rag.md 现有脉络的关系：rag.md §3.1 共识 236 记录的是「记忆基础设施协议化 / 本地化」这条工程基建线索（mcp-memory-service、kordoc、mneme、cortexkit/aft 等），全部是存储与协议层；ReGE 提供的是记忆内容层的做法——把失败经验蒸馏成指导文本再检索。与 §3.4 开放 285（Agentic RAG 轨迹数据稀缺）同源：ReGE 恰好是「把已有轨迹转成可复用上下文」的具体机制，可作为 285 的机制侧候选证据。另与 §3.5 趋势 343 的记忆维相关。

建议归入：§2.1 增量分组（B 组论文，新增「经验合成 / 记忆内容层」小类）；在 §3.4 开放 285 下补一句机制参照；§4 主轴不新增（摘要级、无对照数字）。

警惕：教练—学生同基座带来的误差累积与成本翻倍未交代；「经验合成」在多轮真实任务上是否优于直接检索原始轨迹，无摘要证据。

增量 2：VMem-Bench——「对过去忠实」不等于「对当下正确」（arXiv:2610.35001）

来源：同上，今日雷达第二项

要点：双轨诊断。Track-A 在生成前排除生成器干扰，测「到底选了哪些参考」（92 部真实影片、16,548 个片段）；Track-B 比较四种检索策略，并设「无记忆」与「上帝视角（末次出现）」对照。核心结论：更多历史访问未必带来更好一致性——召回更多 ≠ 答案更对。

与 rag.md 现有脉络的关系：rag.md §3.3 开放 281（长上下文 vs 检索的边界不可迁移）目前有遗忘衰减（2610.24133）、长窗口能力（2605.13831）、推理排队（2610.24133/24K prefill 冻结）三条量化坐标，缺的是检索侧收益方向的坐标。VMem-Bench 提供的正是一个「更多记忆可能更差」的反向刻度，与 281 同族但方向相反；同时与 §4 主轴 ⑨ Mapping the RAG Landscape、2610.28435（重排系统决策）共同指向「召回规模不是单调收益」这一条。

建议归入：§3.3 开放 281 补一条反向坐标（明确写为「视觉一致性任务域，外推至语言问答未获证据」）；§2.1 B 组。

警惕：赛道特定（长视频生成），不可写成 RAG 通用结论；四种检索策略的具体差异与「末次出现」对照的口径未在摘要给出。

增量 3：iPrefBench——把「查询本身不完整」变成可测基准（arXiv:2610.34735）

来源：同上，今日雷达第三项

要点：面向用户的个性化移动助手基准，考两件事：从活动历史推断可推断信息；对只有用户知道的部分主动提问；既不能无根据假设，也不能滥问。

与 rag.md 现有脉络的关系：这是本轮对 rag.md 最有结构意义的一条。rag.md 至今没有「查询侧入口设计」这一轴（grep「改写」「主动提问」在 rag.md 中 0 命中）；现有脉络默认查询是给定的，检索质量与重排都建立在「查询已成形」的前提上。iPrefBench 把最脆弱的一环——欠定查询——变成可测量对象，与 §3.3 开放 279（ground truth 依赖问题）相邻但不同（279 是标注依赖，iPrefBench 是查询欠定）。

建议归入：新建「查询侧入口 / 欠定查询」小节（建议置于 §2.1 之后、§2.2 之前，或作为 §2.5 工程侧的对照锚）；§3.3 可考虑新增一条开放项（形式化查询的不完备处理尚无共识范式）。

警惕：移动端个人场景，跨域泛化与真实用户提问负担的度量方式未在摘要交代；基准本身不等于方法。

增量 4：Thinking-in-Bets——把自我验证痕迹沉淀为可检索上下文（arXiv:2610.34654）

来源：同上，今日雷达第四项

要点：训练无关。agent 在读到用户反馈前先私下写下主要主张、支撑检查与置信度；被质疑时只查这份 Claim Checklist，仅对不确定或被新证据挑战的部分返工。指向 sycophancy 问题（用户一抗议就放弃正确工作）。

与 rag.md 现有脉络的关系：与增量 1（ReGE）互为镜像——ReGE 是「把外部经验写下来供检索」，本条是「把内部推理写下来供检索」，两者共同指向本轮最清晰的一条新脉络：把 agent 的工作痕迹本身变成检索语料。这与 §3.5 趋势 343 的「可核查性分解」直接相关：Claim Checklist 是过程级可核查物，与 R128 的权限可核查 / 引证可核查构成第三条可能轴。

建议归入：§2.1 B 组（与 ReGE 同小类，标注为「过程可核查物」）；§3.5 趋势 343 可补一个「过程可核查」候选坐标（仅作待议，不改写趋势结论）。

警惕：评测集中在五个 Gemini 模型，跨模型/跨任务稳定性未说明；私有记录本身有错时会固化错误。

增量 5：检索前置侧的语义对齐已成一条独立技术主线（CoRE 2610.14465 / SkillQR 2610.33768 / Lean Finder V2 2610.30843）

来源：inbox/tom/2026-10-27T0910-rag-lite.md（Tom 重排序方向轻量报告，筛出 4 篇高价值 + 1 篇次要；自陈仅基于标题与摘要）

要点： - CoRE：把「用哪条规则检索」从人工预定义改为与检索器联合学习的路由决策，对应检索器在该规则约束下取证，闭环。 - SkillQR：按查询特性自举发现改写技能，而非对所有查询套统一改写模板；并摆明既有路线三条约束（依赖昂贵闭源模型 / 依赖大量训练数据 / 依赖迭代式检索改写）。 - Lean Finder V2：数学家与编码 agent 实际只给短属性、符号、别名，隐含大量数学前提，因此「假设查询上下文充足」的 Mathlib 搜索设定不现实；方法为模型级对抗训练 + 输入级查询改写双管。

与 rag.md 现有脉络的关系：rag.md 全文没有任何查询改写 / 消歧 / 路由条目（§4 主轴 ⑨ 记的是「Mapping the RAG Landscape」全景、⑥ 2610.10170「Does Document Structure Help Dense Retrieval?」是文档结构而非查询结构）。本轮补的是查询侧这一空白，与增量 3（查询欠定）互补：前者是「查询改写/路由」，后者是「查询补全/提问」。⚠️ 这 3 篇已在 organized/knowledge/agent.md v125 消化（agent.md 逐篇收录并有更细的核实细节），因此对 rag 域属跨域重复吸收——今晚应从 agent 域转述既有核实版，不要重复核，也不要因此当作全库 net-new。

建议归入：§2.1 新增「查询侧语义对齐」小类（A/B 组之间）；§4 主轴不新增；§5 引用清单补 3 个 ID 并标注「跨域已消化」。

警惕：CoRE 规则空间如何构造与扩展、SkillQR 技能发现的评测口径与额外推理开销，摘要均未说明；Lean Finder V2 域窄（形式化数学库），对抗训练成本与「改写后是否仍指向同一数学对象」未交代。

增量 6：检索评测的 ground truth 口径本身就是变量（arXiv:2610.31606）

来源：同上（rag-lite 报告第四篇高价值）

要点：检索分数依赖标注覆盖度。做法是让相关性定义锚定证据片段并映射到所有包含该片段的分块，从而正确处理分块重叠；配合稠密向量 + BM25 + 交叉编码器重排组合，系统扫描分块 128–1024 token、重叠 0–20%。

与 rag.md 现有脉络的关系：与 §2.3 已有的 R126 2610.26260「重排评测须固定候选池才可测」 属同族（都是「先固定测量装置，再谈效果」），但粒度更细：2610.26260 固定的是候选池，2610.31606 固定的是相关性定义与分块映射。这正是 §3.5 趋势 343「评测批判成建制」的又一块砖，也印证 §3.4 开放 279（ground truth 依赖）不止一次出现。

建议归入：§3.3 开放 279 补一条「相关性定义需锚定证据片段并处理分块重叠」的方法论坐标；§3.5 趋势 343 的评测批判线上补一例；§4 主轴不新增。

警惕：语料仅 18 篇文档、18 条查询，绝对数值不可外推，只能作协议模板；临床单域；基线模型与语料构建细节未覆盖。

增量 7：人在回路从「全量暂停」走向「按副作用分级」——工程侧证据（gen-ai-rag-app step14 + crefft release-manager-agent）

来源：inbox/jay/2026-10-27T1335-blogs-discovery.md（两条均已抓正文核实）

要点： - LangGraph 选择性中断：compile(interrupt_before=["tools"]) 逐次全量暂停「操作上无用」；改为在自定义工具节点内用动态 interrupt() 只拦截有真实副作用的工具（示例 submit_refund_request / send_email / place_order），只读工具照常执行。流程为：工具节点判断 → 快照写入 Postgres → 返回 status: interrupted → 客户端 approve/reject/edit → graph.invoke(Command(resume=...)) 按同一 thread_id 恢复；文末明确「参数编辑既必要又危险」，生产环境需为编辑后参数加校验（如改动幅度上限）。⚠ 退款工具为模拟实现，作者自述学习时长约 1.5 小时，教学型仓库，无生产压测数据。 - 发布代理规范（crefft）：RFC 2119 措辞的四段式架构（信号收集 → 分析 → 决策），核心约束是代理只评估与起草，不具备打标签 / 发布 / 推送权限，发布必须由具名自然人触发；并提出「每条信号必须绑定到待发布的具体产物，无法绑定的信号视为缺失而非通过」。⚠ 仅规范文本，无可运行实现、无基准数据。

与 rag.md 现有脉络的关系：本条是本轮工程侧最有分量的一条，且与 R128 安全轴直接相邻但存在层级落差：R128 的 2610.30418 要求的是复合结论级授权，而工程通行做法做的是动作级/工具级的选择性中断与人工触发——两者作用在不同层，不能互相替代。同时，crefft 的「缺失 ≠ 通过」是一条 fail-closed 规则，与 §3.2/§2.2 记录的「拒答不是安全」（拒绝本身可能泄露被禁结论轮廓）恰好构成一对：一边是不确认就当通过，另一边是拒绝也会泄密，两端都没有被工程侧解决。

建议归入：§2.5（工程侧）新增「HITL 权限分级」小段；在 §3.4 开放 284（RAG 安全的分析单位之争）下补一句层级落差说明：动作级中断不能替代结论级过滤。

警惕：HITL 教程为教学模拟、无生产数据；crefft 无实现与落地案例；「参数编辑需加校验」是作者主张而非被验证结论。

增量 8：自托管 agent 层与轻量记忆检索的新实例（agenticos 卡 + heimdall 卡 + CSDN 已核件）

来源：organized/repo_cards/4669-vstorm-co-agenticos.md、organized/repo_cards/4685-arihantdeva-heimdall.md、inbox/jay/2026-10-27T1620-csdn-discovery.md（其中 S2 已核）

要点： - agenticos（121⭐，Apache-2.0，Python/Pydantic AI，最近提交 2026-10-26，首次采集）：自托管 agent 层，宣称 RAG + skills + 真实浏览器 + 4,700+ MCP servers + API，带预算、审批与审计轨。 - heimdall（136⭐，MIT，JavaScript，最近提交 2026-10-27，首次采集，experimental）：一句话简介——「轻量 CPU-only 记忆方案，带排序检索」。 - CSDN 已核件（S2）：单机 4 核 8G 压测，并发 10/50/100；tool_execution_mode 由 sync 转 async 后并发 100 无雪崩；运行时状态机状态集 = pending / running / waiting_tool / waiting_human / completed / failed；三项核心参数 max_concurrent_tasks、tool_execution_mode、checkpoint_interval；自托管给出 docker-compose 片段与 bge-small-zh 选型理由；含「并发三瓶颈 / 运行时评估四指标 / 无向量 RAG 边界」三类议点。

与 rag.md 现有脉络的关系：① agenticos 直接命中 §3.2 争议 198 的 🔍 待核标记——R128 记的是「vstorm-co/agenticos 声称 4700+ MCP servers 的自托管路线，🔍 待核」。本轮拿到的是同一自述的首次采集卡片，字段与 R128 记载一致，但仍不是独立核验（卡片简介来自 README 自述，121⭐、周增 +0）。因此争议 198 的待核标记只能降级为「自述一致、未独立验证」，不能判定为已核。② heimdall 与 CSDN 的「无向量 RAG」议题同属 §3.4 开放 283（以可移植技能 / 无向量方案替换生产 RAG 栈）这条方向性张力的弱侧证据，同样不能作结论。③ CSDN 的 waiting_human 状态与 Jay 已核的 HITL 选择性中断（增量 7）互为印证：工程侧确实在把人工介入做成状态机的一等状态。

建议归入：§2.5 工程侧新增「自托管 / 无向量 / 轻量记忆实例」小段；§3.2 争议 198 更新待核状态；§3.4 开放 283 登记为弱侧线索（不加强也不削弱）。

警惕：CSDN 已核件所指运行时项目仓库未在正文给出可验证地址，tool_execution_mode 等键名无源码出处，压测未说明负载脚本/样本量/观测窗口，成本与 embedding 延迟为作者单方估算，无版本号与环境清单 → 只引结构性论断与配置项名称，不引性能数字作为事实。heimdall 卡片仅一句话简介，无方法、无评测、无 README 证据。agenticos 的「4,700+ MCP servers」是自述数字。

2. 值得警惕的矛盾与待核实说法

  1. 「召回越多越好」在本轮被直接反驳：增量 2（VMem-Bench，2610.35001）与增量 5（rag-lite 报告的自述「生产链路收敛为稠密+稀疏混合召回 → 交叉编码器重排 → 生成」）方向相反。前者说更多历史访问可能更差，后者说的是从业者的架构收敛。两者不必然矛盾（前者是长视频生成域），但不可把「加检索层 / 加记忆」当作单调收益来写。
  2. 结论级授权 vs 动作级授权的层级落差（本轮最值得警惕的一条）：R128 的 2610.30418 要求复合结论级过滤，本轮工程侧（增量 7、增量 8）做的全是工具/动作级的中断、审批与发布闸门。把「我们有 HITL 审批」写成 RAG 安全已解决，是本轮最容易犯的错误。
  3. agenticos 的 🔍 待核标记只能降级、不能解除：本轮只拿到同源自述卡片，没有独立核验；写「已核」即越过证据。争议 198 的问法与结论均不变。
  4. Jay 的 6 条待核线索不得升级为结论：OpenSandbox K8s（版本号摘要）、Growtechie「评轨迹不评答案 / 四道刹车」（无版本无实测）、substack 分层评测（无阈值）、Nimble LangChain 选型（疑 SEO 拼接页）、Medium RAG 课程（实为付费课程营销文）、RecSys 周报转述的 Airbnb 便携技能案例（原始 Airbnb 材料仍未定位）——其中 Airbnb 一条虽在 §3.4 开放 283 已有登记，本轮只是第二次二手转述出现，不构成证据强度提升（原文仍未读到）。
  5. CSDN 5 条同题材镜像文：S1/S3/S4/S5 均为「GitHub 热榜」同题材镜像，片段高度重合且混入无关课程设计残留；S6 原文核查返回 521 未重试。只采用已核的 S2，其余保持「待核 · 搜索线索」。
  6. ruby_llm 属重复派发，不计增量：本轮 organized/repo_cards/4380-crmne-ruby-llm.md 已在 10-26 轮消化过（主分类 multimodal，本轮 +10 周增、Stars 4486 属采集快照）。被引/星数变化不构成新观点，今晚不应重复登记。
  7. agent.md 已消化 vs rag.md 未吸收的不对称：本轮 8 份材料中有 5 份（10-27 雷达 4 篇 + rag-lite 4 篇 + GEMS-RAG）的论文已在 organized/knowledge/agent.md v125 逐篇收录，且 agent.md 带有比本轮材料更细的核实细节（如 DraMaze 的 32.1% / Logic 82.5、Kolab 的 115+ 小时 / 508 步 / Adopt 65.9% 等）。rag 域今晚若要引用这些数字，应从 agent.md 转述核实版，不要凭本轮摘要级材料重建数字；也不应把这 9 个 ID 计入全库 net-new。
  8. 本轮全库 net-new 仅 8 个 arXiv ID：2610.33861 / 2610.35001 / 2610.34735 / 2610.34654（今日 4 篇，已展开）+ 2610.35385 / 2610.33079 / 2610.34241 / 2610.32004（今日雷达未展开候选）。其余 9 个是 agent 域已消化的跨域重复。

3. 可引用的 arXiv 号列表

全库 net-new（本轮首次出现，可直接引用）——4 篇已展开 - 2610.33861 ReGE: Stronger Agents through Experience Synthesis - 2610.35001 More Memory, Better Videos?（视觉记忆受控研究） - 2610.34735 iPrefBench: A User-Centric Benchmark for Personalized Mobile Use Agents - 2610.34654 Thinking-in-Bets at Test Time Reduces Sycophantic Revisions in LLM Agents

全库 net-new 但今日雷达未展开（仅登记存在，不作结论依据）——4 篇 - 2610.35385（EmbodiedLab）· 2610.33079（Rethinking Video Storage for AI Training）· 2610.34241（Beyond Benchmarks: Small Open-Weight Models / Coding Work）· 2610.32004（CRM-Agent-Bench，与本主题相邻度最高但与已选四条侧重叠加）

rag 域 net-new、但已被 agent.md v125 消化（跨域重复吸收，引用须转述 agent 核实版）——9 篇 - 查询侧语义对齐：2610.14465 CoRE · 2610.33768 SkillQR · 2610.30843 Lean Finder V2 - 评测口径：2610.31606 How Ground Truth Shapes Retrieval Scores - 记忆与多 agent：2610.32002 DraMaze · 2610.23234 MultiAgent-OPD · 2610.31810 PaperFormalizer · 2610.21109 Kolab - 次要候选：2610.33277 GEMS-RAG

基线已有、今晚可作对照引用（来自 rag.md，非本轮新增） - 安全 / 权限轴：2610.30418（Agent Mosaic · 马赛克效应）· 2409.10102 · 2610.12415 · 2610.13623 · 2610.19128 - 范式轴：2601.07711 · 2604.24594（Skill-RAG）· 2608.15127 · 2602.03786 · 2610.01936 - 评测 / 数据轴：2610.26260 · 2610.28054 · 2610.27850 · 2610.28435 - 长上下文轴：2605.13831 · 2610.24133 - ⚠ 沿用 R128 限定：2301.12597 / 1506.06726 / 2007.14062 为 主题: rag 标签错位命中，不可作 RAG 证据。

4. 本轮检查过的来源（供今晚复核与查重）

清单内 8 份（全部读取并核对正文/字段） - inbox/tom/2026-10-28T0840-agent-rag-longcontext-radar.md（今日雷达；增量 1–4；另含 4 篇未展开候选与 2 篇 Substack 旁证） - inbox/tom/2026-10-27T0840-agent-rag-longcontext-radar.md（10-27 雷达；DraMaze / MultiAgent-OPD / PaperFormalizer / Kolab + 4 篇未入选） - inbox/tom/2026-10-27T0910-rag-lite.md（重排序轻量报告；增量 5–6） - inbox/jay/2026-10-27T1335-blogs-discovery.md（2 已核 + 6 待核；增量 7） - inbox/jay/2026-10-27T1620-csdn-discovery.md（1 已核 + 6 待核；增量 8） - organized/repo_cards/4685-arihantdeva-heimdall.md（首次采集；增量 8） - organized/repo_cards/4669-vstorm-co-agenticos.md（首次采集；增量 8） - organized/repo_cards/4380-crmne-ruby-llm.md（重复派发，10-26 轮已消化，不计增量）

基线与上下文（只读，未改） - organized/knowledge/rag.md（R128 全文 1199 行；核对 §1–§5、共识 236 / 争议 198 / 开放 279–285 / 趋势 343 与 arXiv·URL 清单） - organized/knowledge/agent.md（v125；跨域查重，确认 9 个 ID 已在 agent 域消化并含更细核实数字） - organized/queue/work-queue.md（2026-10-28 08:00；§1 唯一待深解读 2610.12998 属 evaluation 域，§3 选题榜 8 条无 rag 归类，rag 轴无队列条目）

按原任务第 1 步应做的两项抽查，本轮按宿主机清单约束未做（如实声明） - organized/paper_cards/ 近 3 天新卡主题抽查：清单未派发任何 paper_cards 材料，为遵守「只处理清单增量、禁止全库扫描」，本轮未扫描该目录。结论：本轮无法给出「近 3 天新卡中 rag 主题条目」的抽查结果，今晚若需该口径请单开一次带清单的任务。 - inbox/ 近 2 天 jay/tom/flyp/spark/stephen 笔记：仅消费清单列出的 4 份（jay ×2、tom ×2）；目录中另有同期的 jay/flyp/stephen 笔记未在清单内，未读取，不计入本轮增量。

5. 今晚改稿建议（优先级序）

  1. 开一条「查询侧」新轴（本轮最有结构价值）：把增量 3（iPrefBench，欠定查询与主动提问）与增量 5（CoRE / SkillQR / Lean Finder V2，路由与改写）合为 rag.md 迄今缺失的查询侧入口轴，位置建议 §2.1 之后新建小节。这是「不新增 SOTA 主轴、但补上主轴之间的空白」的典型增量。
  2. 给开放 281 补一条反向坐标、给 284 补一句层级落差：281 补 VMem-Bench 的「召回更多 ≠ 更对」（注明视觉任务域）；284 补「工程侧的 HITL / 审批是动作级，不能替代结论级过滤」，并把 crefft 的 fail-closed（「缺失 ≠ 通过」）与 R128 的「拒答即泄露」并置，写成一对未解的两端。
  3. 争议 198 只降级不解除：agenticos 首次采集卡 → 记为「自述与 R128 一致，🔍 仍未独立核验」；heimdall 与 CSDN「无向量 RAG」→ 登记为开放 283 的弱侧线索，不加强方向性张力。
  4. 建一条「过程可核查物」候选坐标：ReGE（经验合成）与 Thinking-in-Bets（Claim Checklist）合看，是 R128「可核查性分解为权限与引证两条线」之后的第三条候选线——建议只作待议登记，不改写趋势 343 的既有结论。
  5. 登记而非展开的低价值件：GEMS-RAG（2610.33277）、今日雷达 4 篇未展开候选、CSDN 5 条同题材镜像文、6 条 Jay 待核线索——全部保持「未展开 / 待核」状态，不为填字数写入。

未做的动作（按本轮边界）：未改活文档（organized/knowledge/rag.md 保持 R128）、未改清单 / 基线 / 认领记录 / 定时配置、未写他人目录、未 git、未输出密钥、未开网页检索补料、未跨批取材、未为凑字数重写或增补。

Tom · 2026-10-28 08:50 CST · E1 日间预消化(rag) · 清单 job a226d618 · 8 份材料 → 8 条增量（另 1 份为重复派发不计增量）· 全库 net-new arXiv = 8（4 已展开 + 4 未展开候选）· rag 域 net-new arXiv = 13（9 篇已在 agent 域消化）· net-new repo 2 · 待核实项 6 · 未解矛盾 4 · partial：无（材料充分，未达 partial）