从RAG到Agent原生数据库:检索增强为何正在被知识编译彻底重构
检索增强生成(RAG)在过去两年几乎成为企业知识场景落地的标配:模型不懂的就现查,查到了再回答,逻辑听上去无懈可击。但现实远比逻辑复杂。当大量企业真正把RAG搬进生产环境后,一个令人沮丧的共识正在形成——RAG很好,但远不够好。朴素RAG频频翻车,高级RAG架构越来越复杂却换不来匹配的效果提升。与此同时,两项标志性事件正在动摇传统RAG范式的根基,检索的核心正从「设计更强的召回算法」转向「设计能在多工具之间动态编排的决策框架」,一个全新的Agent原生数据库时代正在到来。
RAG的四重结构性困境
要理解变革为何发生,先要看清RAG今天面临的真实困境——这不是某个产品的缺陷,而是范式层面的结构性问题。其一,朴素RAG「搜不准」是宿命:相似不等于相关,相关不等于正确,单一通路无法覆盖精确日期查询、模糊概念提问等多样化查询类型。其二,高级RAG「复杂度换不来效果」:GraphRAG、RAPTOR等方案部署维护成本急剧上升,效果提升却远未达预期,系统变得难以解释、难以调试。其三,简单工具在Agent编排下竟能接近甚至超越复杂RAG。其四也是最深层的:传统RAG每次查询都从零开始,没有积累、没有状态,Pinecone估算Agent有85%的计算精力消耗在「重新发现」的循环上。
Grep为何在Agent手中如此强大
一项研究报告以挑衅性的标题发问「Grep就是全部所需吗?」——研究人员为Agent同时配备向量搜索和Grep,结果发现精确字符串匹配常常比语义搜索提供更高的准确率。真正的洞见在于:让Grep强大的不是工具本身,而是Agent如何编排它。问题应区分为两类——语义发现问题需要理解概念才能找到答案,而证据定位问题只需在名称、日期、路径、错误字符串等字面证据中精确定位,后者恰恰是Agent的大量日常工作。分析还显示,模型使用引号搜索的比例远高于人类,能构造出人类不太可能输入的带多重约束的复杂查询。工具没变,用户变了,使用方式发生了质变。
Agentic检索的成败,不在更复杂的召回算法里,不在更昂贵的向量模型里,而在每一次工具调用进入上下文的每一个证据里。
“行业观察”积墨企业专属知识库
混合检索 + 重排序技术,支持多源文档一键向量化导入,为企业打造专属高精度知识大脑。
从工具堆叠到编排框架
从多年企业检索系统落地经验来看,这套结论对工程实践有直接的指导意义。首先,Harness不应只有Grep一把锤子:广域召回、精确定位、深度阅读三类工具的分工,让Agent可以在不同层次上操作——先缩小范围,再精准定位,最后获取完整上下文。有研究表明,BM25加Grep的组合就能让Harness表现更好:BM25在单次检索中较弱,但在Agent循环内部却强得多,这意味着不需要复杂的Embedding模型和向量数据库,仅靠词汇层面的检索工具组合就能提供足够强的检索能力。其次,检索本身就是一个编排问题:查询如何被约束、结果如何呈现、是否包含足够上下文、何时决定信息已足够、如何在工具间路由——搜索不再是引擎,而是一套纪律。但Harness加Grep构成了极强基线却并非终点:当数据规模扩大时,Agent需要反复探索才能找到答案区域,迭代次数线性增长,Token消耗指数上升,每一次新的上下文窗口都要重新经历一遍探索过程。这正是知识编译需要补位的地方。
知识编译:高密度上下文供给
知识编译的核心主张是:把部分「理解」工作从查询时移到索引时——知识被编译一次,然后保持更新,而不是在每个查询上重新推导。其落地形态包括树状导航结构、图状关联探索、时间线追踪、本体模板与Memory模板等,而当前验证最有效的是证据链:从原文中抽取命题和证据,形成可检索、可追溯的压缩单元,挂在导航树的叶节点上。树状结构负责组织,证据链负责压缩,Agent沿树导航到叶节点后拿到的是证据而非整段原文。其经济学基础在于命中与未命中之间的巨大不对称:编译产物命中时单个问题可节省Token 90%以上,未命中也只损失2%左右;在多跳数据集上平均Token节约达30%以上。证据链抽取不需要强模型,小模型即可完成,让大规模编译经济可行;每条命题都绑定逐字证据,答案来源清晰,天然适配企业审计要求。更关键的工程原则是:知识编译不取代Search/Grep,而是为Harness提供更丰富、更压缩、更可追溯的知识工件,缩短探索路径。向量数据库厂商推出的知识引擎也印证了这一方向——原本消耗280万Token的金融分析任务,经预编译的知识工件只需4000个Token即可完成,降幅高达98%。上下文不再是一次性拼装的Prompt片段,而是需要被编译、维护和复用的基础设施。
Agentic时代的分工已经清晰:Search Harness负责找到,知识编译负责省着用。编译一次,多次受益,检索的十字路口不在「要不要检索」,而在「检索如何被编排、上下文如何被供给」。对企业而言,尽早把内部数据注入这一可演化的上下文基础设施层,将是构建专有业务认知体系的关键一步。
