5. GraphRAG / LLMs+Graphs 综合研究

• 类型：arxiv
• 标识：2606.11560
• 链接：https://arxiv.org/abs/2606.11560
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/jay/2026-06-12-research-briefing.md

可复用信息

• • 可信度: 高。
• • 行动: 多租户 RAG 场景优先考虑 Qdrant 过滤能力；小规模原型用 Pinecone Builder Tier 成本最优。
• • 来源: RankSquire 同上文，优先级 #1
• • 核心发现: 跨关系数据泄露漏洞，需 7 天内修复。所有运行 PostgreSQL + pgvector 的生产实例立即打补丁。
• • 可信度: 高——官方 CVE 编号。
• • 行动: 立即检查并升级 pgvector 版本。
• • 来源: arXiv:2606.11560v1
• • 核心发现: 系统梳理 Graph-based RAG、KG-enhanced LLM、Graph Memory、Multi-agent Interaction Graph 四个方向。ArchRAG 引入属性子图社区索引提升检索相关性；Agent 可完成最短路径、PageRank、社区检测等图任务。

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。
• 可用于局限性、风险、失效模式和未来工作。

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