一周总览

过去一周（2026年10月12日至10月22日），知识库与 RAG（检索增强生成）领域的主旋律依然是「从论文走向生产」。与此前动辄提出全新检索架构不同，本周动态呈现出鲜明的工程化特征：索引构建效率、向量压缩成本、图检索的可运维性成为关注焦点；社区讨论也从「能不能检索」转向「上线之后什么会坏」——配置错误、索引污染、Agent 记忆边界等生产问题首次成为周度议程的中心。整体来看，向量数据库、GraphRAG 与 RAG 框架三条主线同时推进，生态成熟度显著提升。

动态一：Tiger Data 开源 pg_vectorsearch，Postgres 向量索引提速数十倍

• 发布方/来源：Tiger Data（TimescaleDB 母公司），开源发布
• 核心亮点：pg_vectorsearch 是一个采用 PostgreSQL 许可证的开源扩展，引入名为 PRISM（Partitioned Routing Index for Similarity Matching，分区路由相似度匹配索引）的原生索引访问方法。它不是旁路服务、也不是独立数据库，而是原生 Postgres 索引——像普通索引一样通过 CREATE INDEX 创建。实测中，原本约 42 小时的向量索引构建被压缩到约 100 分钟。
• 影响与意义：「要不要为向量检索单独引入一套专用数据库」长期是团队争论的焦点。pg_vectorsearch 让 PostgreSQL 在超大规模向量索引构建上具备了与专用向量数据库正面竞争的实力，进一步降低了「一套数据库同时承载业务数据与向量数据」的门槛。

动态二：Perplexity 新一代 late-interaction 模型 × Qdrant 21 倍向量压缩

• 发布方/来源：Qdrant 官方博客（2026年10月13日）
• 核心亮点：Qdrant 展示了其 21 倍向量压缩能力与 Perplexity 新发布的 late-interaction 检索模型的结合：单页文档约产生 1700 个向量，压缩后体积缩小 21 倍仍保留 96.5% 的检索质量，并给出「Index Big, Query Small（大索引、小查询）」的工程范式。
• 影响与意义：late-interaction（ColBERT 类）模型检索精度高，但多向量存储成本昂贵，一直是落地瓶颈。21 倍压缩意味着多向量检索方案在成本上首次真正可负担，对 OCR 文档、长文档精细检索场景尤具价值。

动态三：主流向量数据库密集发版，运维能力成竞争重点

10 月以来，向量数据库赛道迎来一轮密集更新：

• pgvector 0.8.7（10月1日发布），HNSW 与 IVFFlat 持续优化；其加速生态同样活跃，pgvectorscale 0.9.1 引入 StreamingDiskANN 与二值量化。
• Qdrant 1.19.2（10月5日发布），Rust 编写的 Apache 2.0 开源项目；此前已上线 GPU 索引构建、Multi-AZ 高可用与审计日志。
• Milvus 3.0.2（9月20日）与 2.6.25（9月29日）并行维护，作为 LF AI & Data 毕业项目持续强化分布式能力。
• Weaviate 1.40.0 亦于近期发布。

这一轮发版的共同信号是：单纯的 ANN 算法差距已经很小，混合检索（向量+BM25）、重排序、量化压缩、多可用区高可用与审计合规成为新的竞争点。

动态四：GraphRAG 进入「工程化深水区」

• post-graph-rag：一个 PostgreSQL 原生的 Graph RAG 引擎在 arXiv 开源（编号 2608.24921），将文本块向量、规范实体图谱与社区摘要全部收敛到单一 PostgreSQL 数据库，用 pgvector 做向量检索、边表做图遍历，并在写入前执行抽取不变量校验（拒绝模糊谓词、代词实体、裸数量词），从源头提升图谱质量。
• graphrag-core 于 10 月 14 日上架 PyPI；其同源项目 graphrag-sdk 在 GraphRAG-Bench Novel 榜单上以 66.09 的准确率排名第一。
• RAGFlow 更新日志显示，此前的 GraphRAG 与 RAPTOR 功能已被「知识编译（Knowledge Compilation）」体系整合为 Graph 与 Tree 两类能力，并为 MCP 服务器新增 ragflow_list_datasets、ragflow_list_chats 工具，进一步打通与智能体生态的连接。

GraphRAG 正在从「演示级功能」演进为可运维、可质检、可与既有数据库栈融合的生产组件。

动态五：框架层——LangChain 生态围绕「规模化 Agent」推进

• LangChain 发布 10 月 Newsletter，集中呈现 Interrupt NYC 与伦敦两场大会的成果，主题聚焦「让 Agent 超越实验阶段、可靠地规模化运行」。
• LangGraph v1.1.0 引入类型安全流式（version="v2"），并对 Anthropic 模型的 prompt caching 做了性能优化。
• 业界共识方面，混合检索（语义+关键词）配合两阶段重排序已成为企业级 RAG 的默认配置，尤其显著改善专业术语、产品型号等「硬词」的命中精度。

趋势总结与展望

综合本周动态，可以提炼三个趋势：

1. Postgres 生态强势收编向量检索。 从 pgvector、pgvectorscale 到 pg_vectorsearch、post-graph-rag，「一库多用」路线在性能与工程性上双双突破，中小团队的默认选型天平正在倾斜。
2. 成本曲线持续陡降。 21 倍向量压缩、索引构建提速数十倍，意味着过去因成本被搁置的精细检索方案（late-interaction、GraphRAG）将加速普及。
3. RAG 的语义边界在扩展。 从检索文档到检索「记忆」，从平面检索到图谱与树结构编译，RAG 正与 Agent 基础设施（MCP、上下文工程）深度融合。

可以预见，下一阶段的竞争焦点将是检索质量的可验证性（评测、防污染）与检索系统的可运维性（可观测、可回滚）。

数据来源

• RAG/GraphRAG Weekly Digest（2026-10-12 ~ 10-19），DEV Community
• Tiger Data pg_vectorsearch 发布分析，DEV Community
• Qdrant 官方博客：Perplexity's New Late-Interaction Models Meet Qdrant's 21x Vector Compression（2026-10-13）
• Revisit.tech：Vector search in 2026（各数据库版本信息）
• arXiv 2608.24921：post-graph-rag, A PostgreSQL-Native Graph RAG Engine
• PyPI：graphrag-core 项目页（2026-10-14 发布）
• RAGFlow 官方 Changelog
• LangChain 官方博客：October 2026 LangChain Newsletter