Agent Harness技术蓝皮书发布：定量定性解读RAG研究趋势

今天是2026年10月5日，星期一，北京，天气晴。假期第五天，继续看技术趋势。

RAG方向的论文现在都还有吧？把范围限定在2026年6月至今，大家都在研究啥？怎么研究的？有什么结论？先来看整体趋势。

另一个进展，继续做技术总结。在之前的文章《技术总结：Agent Memory绿皮书及Jev技术白皮书继续对内发布》(https://mp.weixin.qq.com/s/ILcTkboB5I8owEQcRg5rHg)中，已经完成了Agent Memory这本书的整理和发布。今天，云栈社区继续对内发布《Agent Harness 技术蓝皮书》，作为系列的补充，这里做个记录。

一、Agent Harness技术蓝皮书对内发布

大语言模型在形式上只是一个无状态、随机、仅输出文本的映射函数。当我们要求一个智能体跨越时间去完成真实任务——读写文件、调用接口、记忆上下文、从失败中恢复并接受权限约束——就必须在模型之外引入一层确定性的运行时。

这就是 Agent Harness（智能体外壳/确定性控制平面），定义为：围绕大语言模型或任意生成式模型构建的确定性运行时，负责把模型的文本输出转化为在真实环境中具备约束、可观测、可恢复的行动序列，并在此过程中持久化状态、管理上下文、寻址并执行工具、落实权限边界与人机协同。

其设计初衷也很清晰：在模型的随机性之上，叠加一个确定性的控制平面，让智能体的行为变得可约束、可观测、可恢复。

《Agent Harness技术蓝皮书》以第一性原理为起点，系统回答五个问题：它到底是什么、为什么必然存在、由哪些模块构成、如何工程化实现、以及它的真实价值与夸大之处分别在哪里。全书三十三章按"是什么→由什么构成→怎么造→怎么跑住→怎么落地→值不值→具体怎么写→用什么造"的顺序推进，共8篇，139页。

从书里能提炼出5个核心结论：

• 其一，有 Harness 是结构性必然，四个硬缺口来自"模型即采样函数"这一定义；
• 其二，两个平面正交，Harness 的价值在于用确定性平面约束、放大、兜底随机平面；
• 其三，终止与预算是停机不可判定性的强制代偿，不是保守设置；
• 其四，上下文必须账本化管理，副作用必须先于重试被确认；
• 其五，无可观测性即无定位能力，无评测集即无法演进。

二、定量和定性角度看RAG目前研究现状

还是从定量和定性两个角度切入。通过 arxiv 官方 API（export.arxiv.org），以四组关键词变体（"retrieval-augmented generation"、"RAG"、"retrieval-augmented"、ti:retrieval AND abs:generation）检索 submittedDate 落在 [2026-08-01, 2026-10-05] 区间的论文，分页抓全后按 arxiv_id 去重。2026-08-01 至 10-05 的 66 天里，arxiv 新增去重后 930 篇相关论文，约 14 篇/天。

1、先说定性结论

其一，RAG 不是"过气"话题，而是稳定高产赛道。 两个月日均量基本持平（15.3 → 14.3 篇/天），且已成为信息检索（cs.IR）内部占比最高的研究主题之一。数据层面没有看到"长上下文模型出来以后 RAG 萎缩"的证据。

其二，从"要不要检索"走向"何时检索、检索多少、由谁生成"。 自适应路由与轨迹微调控制器是典型新范式。

其三，安全从边界话题升格为系统性工程。 已出现集合级投毒、过期文档污染、向量索引删除泄露、私有信息检索等"pipeline级"威胁与防御。

其四，GraphRAG 从概念走向可工程化系统，长上下文记忆发生架构分化。 如 LiteRAG 以算法化探索替代 LLM 控制，记忆系统在"写时蒸馏 vs 读时检索 vs 非破坏性版本化"三条路线上分化。

综合来看，研究重心已从"检索pipeline怎么搭"整体转向三个层面：

系统层——自适应路由、RL 训检索器/控制器，从"是否检索"推进到"何时/检索多少/由谁生成"，且用 RL 和轨迹微调把检索变成可学习动作。这是本窗口最实质的范式增量（EDAR、Fellowship、BRIDGE、MCite-RL）。

质量层——安全攻防、评测方法论（合成分布失真、多轮退化、指标污染）、效率与压缩。

形态层——GraphRAG 工程化、长上下文记忆架构、多模态与垂直领域落地。

进一步的，RAG 研究处于"工程化与再定义"阶段：核心路线问题（检索→排序→生成）已基本收敛，增量来自系统级控制、安全与评测方法论、以及 GraphRAG/记忆/多模态的新形态。最大的结构性风险不是"RAG 过气"，而是评测与真实部署之间的失真正在扩大——这与领域 2019-2023 年间"基准繁荣"阶段的历史经验一致，需要警惕分数通胀，还是要评测先行。

2、再看统计数据

RAG 仍是高产赛道，论文量是"研究是否还活着"最直接的证据。窗口内月均约 450 篇、日均约 14-15 篇，8 月与 9 月几乎持平。注意，这还只是"检索增强生成"及其近义词的直接命中——如果把 Agent、记忆、检索优化等外围论文算进来，体量更大。

如果按照主题来分，可以看到 12 个主题簇的多标签分布如下：

具体在做的事情如下：