5️⃣ arXiv · Is Agentic RAG Worth It? An Experimental Comparison of RAG Approaches（⭐⭐⭐⭐ 高优先级）

• 类型：arxiv
• 标识：2601.07711
• 链接：https://arxiv.org/abs/2601.07711
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
• 来源文件：
• /inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md

可复用信息

• • 方案：OGX 框架——OpenAI 兼容 API + 服务端策略执行 + 多租户隔离 + 推理提供商可移植（vLLM、Ollama、OpenAI、Anthropic、Azure、AWS Bedrock 等）
• • 向量存储支持：Chroma、pgvector、Elasticsearch、Qdrant、Weaviate、Milvus、Oracle Cloud Infrastructure、FAISS、sqlite-vec
• • 关键工程价值：提供了企业级 Agent 安全部署的完整架构参考，Kubernetes Operator 支持异构后端共享服务
• • 标签：Enterprise RAG Multi-tenant Security OGX Kubernetes Production 2026
• • 建议动作：精读架构设计；纳入「企业级 RAG 部署」参考；与今日 multiagent-vector-db 草稿交叉索引

---

• • 链接：https://arxiv.org/html/2601.07711v1
• • 发布时间：2026年1月

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集