从RAG到Agentic Search
mdancho84 · x · 2026-07-19
这条在问：**context engineering 是不是 RAG 的新名字？** 作者给出的答案是“不完全是，但它们都在解决同一个问题：如何为 LLM 构建合适的上下文”。 配图把演进拆成了三层： 1. **传统 RAG**：固定检索流水线，先搜文档，再把结果塞进上下文窗口。 2. **Agentic RAG**：LLM 不再只是被动接收检索结果，而是可以通过工具调用去决定何时检索、检索什么。 3. **Agentic search in context engineering**：上下文来源进一步扩展到本地文件、技能文件、数据库、Web、长期记忆、Shell 工具等；上下文窗口里也不只是 system/user prompt，还包括 skills YAML、工具列表、历史记录、工具调用结果等。 核心意思是：RAG 是一个子模块，而 context engineering 关注的是**整套上下文构建与编排系统**。
所属事件:上下文工程正取代RAG成为AI构建核心(2 条相关)→
「编程与Agent」频道最新
- TokenPrint 把 Qwen 推理做成 DevTools 式调试器 — Rich-Fruit-326 · 2026-07-21
- 本周必读 AI 论文：智能体、长上下文 RL 和机器人策略 — TheTuringPost · 2026-07-21
- Mingle 用 MCP 让 Agent 直接帮你找合作对象 — PassionGlittering106 · 2026-07-21
- Insight Partners 画出拥挤的 AI 自动化与 Agent 版图 — n_sri_laasya · 2026-07-21
- 路由故障让 Claude Code 智能体 3.5 小时烧掉 3020 万 token — RileyRalmuto · 2026-07-21
- 整理 Codex 反复使用的代码与认知术语 — alexisgallagher · 2026-07-21