开发者自问:我的 RAG 聊天机器人到底算 Agent 还是工作流?
bhavyashah24 · reddit · 2026-10-03
一位开发者坦承自己标榜 agentic 的项目可能只是工作流,系统整理了对 Agent 基础概念的一连串疑问,并给出完整案例:
核心疑问
- 固定步骤的 RAG 管道(chunking→embedding→向量库→生成)凭什么算 agentic?
- 同一 LLM 配不同外设(tools、记忆、MCP、web search)性能是否不同?基准测试时各家外设是否一致?
- harness 与 agent 的区别:harness 持续运行、agent 跨轮无状态,机制差异在哪?
- 用 DAG 把复杂查询拆解成子任务为什么不常被讨论?模型拆解任务缺乏一致性(同一查询两次拆法不同)如何标准化?
案例:向量库存文档(带过期 chunk 自动更新)→ LLM 分类意图 → orchestrator 按 DAG 拆解 → 多个 subagent 分别从向量库、历史消息 RAG、web search 取证 → orchestrator 汇总生成答案。发帖人想知道这套固定流程该如何改造成真正的 agent。
「编程与Agent」频道最新
- 用缓存工具输出重放 agent 会话，无副作用复现 bug 与换模测试 — pauliusztin · 2026-10-03
- 别再手搓 eval 数据集：把失败会话按类型分组回归测试 — pauliusztin · 2026-10-03
- 开发者称模型已够强,连 GPUI 都不需要,直接用数学排像素 — zack_overflow · 2026-10-03
- Redis 之父 antirez 吐槽:AI 编码工具安全检查频繁误报干扰工作 — antirez · 2026-10-03
- 让 DeepSeek 通宵修 14 个 bug PR，仅 6 个通过强模型评审 — Aggressive-Narwhal-3 · 2026-10-03
- 学者自研 Deep Research MCP:给 Claude 接入五大深度研究引擎 — PMinervini · 2026-10-03