企业 RAG 热潮退散？资深开发者指长上下文与 Agent 正在接管
Warm-Reaction-456 · reddit · 2026-08-04
一位拥有 8 年经验的软件开发者指出，RAG（检索增强生成）不应再是企业接触 AI 时的默认首选方案。
作者团队交付了十几个 RAG 项目后发现，多数失败案例本质上根本不是检索问题。例如有客户想嵌入 4 万份文档，但分析实际业务需求后发现，一半以上的高频问题属于结构化数据查询（如退款总额），而剩下的有效文档仅有约 50 份，盲目做向量化反而会更快地返回过期错误信息。此外，检索系统高度依赖人工维护“知识库”，而多数企业的数据管理一塌糊涂。
随着模型上下文窗口的扩大，架构范式正在发生转移：
- 长上下文：对于稳定的文档集，直接将其放入上下文缓存往往比切块嵌入更有效。
- Agent 检索：对于其他需求，让智能体像初级分析师一样，通过执行关键词搜索、直接查询业务系统 API 来获取实时答案，而不是去陈旧的向量副本里硬找。
作者建议，在批准下一个 RAG 项目预算前，先手动尝试回答 5 个核心业务问题，这能帮你认清真正的技术痛点。
「漫话AGI」频道最新
- AI 重现「李世石效应」：顶尖专家终将被模型超越 — DeryaTR_ · 2026-08-04
- Similarweb 报告：AI 日益主流化，年长人群使用率显著上升 — gaganghotra_ · 2026-08-04
- 判断AI颠覆潜力的新框架：领域是否存在“神童”？ — iskander · 2026-08-04
- OpenAI 数学突破之后：AI 将如何彻底改变科学？ — vishalmisra · 2026-08-04
- 学者反思：AI 时代倒逼学术圈严查参考文献 — anderssandberg · 2026-08-04
- DeepSeek推动成本骤降：AI科学发现将步入几美元时代 — Dr_Singularity · 2026-08-04