RAG 过时了吗？
RAG 过时了吗？ 关注 作者 关注 作者 关注 作者 关注 作者 昨天 11:32
此 RAG 已非彼 RAG slots pgslotgacor.app 人人影视 renren.video
来信
知识星球上，星友 momo 提问。
他说自己最近在用 Codex 和 Claude Code 搭建基于 RAG 的本地知识图谱，做着做着回头翻了翻我之前写的 RAG 相关文章，发现已经是好几年前的东西了。他想问的是：RAG 是不是已经被更新的技术路线替代了？还是说仍然值得继续做，只是可以结合新工具在本地搭一个属于自己的系统？ pg pgslotgacor.app
这个问题问得好。我猜不少人心里也有类似的困惑 ——RAG 这个词，最近确实不怎么被单独拿出来讲了。但「不怎么提」和「已经没用了」，是两回事。 寻秦记爱壹帆yfsp.app onlinecasinoaustraliawww.onlinecasino10.com ifuntvyfsp.app
RAG 过时了吗
先给你一个直截了当的回答：没过时，但此 RAG 已非彼 RAG。 一帆yfsp.app 爱一帆yfsp.app
你要是还记得 2023 年那阵子的 RAG 教程，基本都长一个样：把文档切成小块，用 embedding 模型转成向量，存进向量数据库，用户一提问就找出最相关的几块拼进 prompt 里喂给大模型。这套流程的好处是简单直接，坏处也很明显 —— 检索质量粗糙，上下文容易断裂，答案经常牛头不对马嘴。 iyifanyfsp.app 小宝影院xiaobaotv.video
这种「入门版 RAG」确实已经过时了。 爱壹帆国际版yfsp.app 爱壹帆电影yfsp.app
但 RAG 这个思路本身并没有退场。你之所以觉得它「不怎么被单独讲了」，背后有两个原因。 爱壹帆yfsp.app pglucky88 pgslotgacor.app
第一，长上下文模型确实吃掉了一部分原本属于 RAG 的场景。 现在的模型动不动就支持几十万 token 的上下文窗口。如果你的知识库不大——比如就是几百页讲义，或者一个中等规模的文档集——直接全部塞进 prompt 可能就是最省事的方案，根本用不着做什么检索。对于这类场景，确实没必要再折腾 RAG 了。 爱壹帆免费版yfsp.app 足球比分cpbl1.tw cryptoonlinecasinowww.onlinecasino10.com
我们最近刚刚正式发表了一篇论文《大语言模型的长文档处理能力实证研究》，讨论的就是不同模型这方面的能力对比。你可以 点击这个链接下载。 一帆视频yfsp.app onlinecasinocasinotrustinauwww.onlinecasino10.com
不过我也想分享这类研究目前遇到的问题 —— 模型进展太快。论文写就的时候，实验用的模型还是主流旗舰。但是正式刊出的时候，基本上已经都被各大厂商更新了一轮。
第二个原因更关键：RAG 没有消失，而是融入了更大的体系。 现在行业里更常说的是 "context engineering"——上下文工程。RAG 只是其中一个环节，它和重排序、查询改写、记忆系统、工具调用放在一起协同工作。你不会单独讨论一辆车的轮子好不好用，但每辆车都有轮子。RAG 就是这个角色——不再被单独拎出来讲，但哪个认真做知识问答的系统都少不了它。 運彩cpbl1.tw 华人影视xiaobaotv.video 人人视频renren.video
从产品层面看就更明显了。OpenAI 的 API 里到现在还内置着 file search 功能，做的就是语义搜索加关键词的混合检索。Anthropic 在 2024 年推出了 Contextual Retrieval，专门在 RAG 的基础上加了上下文信息和重排序，官方报告混合检索把检索失败率降低了将近一半，叠上重排序之后降了三分之二。这些大厂不是在告别 RAG，它们是在把 RAG 从一个向量库 demo，做成一套工业级的检索工程。 爱一番yfsp.app iyftvyfsp.app
所以我的判断是：RAG 还值得做，但今天值得做的，已经不是 2023 年那种「切块加向量加 top-k」的入门版，而是混合检索、智能重排、能自己判断什么时候该去查资料的进化版。 australianonlinecasinowww.onlinecasino10.com
知识图谱值不值得做
你提到了我之前写的那篇 《GraphRAG GPT-4o mini 低成本构建 AI 图谱知识库》。这里给没有看过该文的读者简单回顾一下：GraphRAG 是微软推出的一个项目，思路是在普通 RAG 之上再加一层知识图谱，用图结构来表达文档之间的实体和关系。 爱壹帆影视yfsp.app
这个项目到现在还在活跃更新，GitHub 上持续有新版本在发。
知识图谱增强 RAG 值不值得做？值得。但我的建议是：别把它当起点。 小寶影院电影xiaobaotv.video newonlinecasinoaustraliawww.onlinecasino10.com
GraphRAG 解决的是一类特定的问题。当你问的不是那种靠关键词就能命中的问题 —— 比如「过去两周我的笔记里有哪些主题在反复出现」「某个概念在不同论文之间是怎么演变的」「帮我梳理一条跨文档的关系链」—— 这类全局性的、抽象的、需要在多个文档之间做关联推理的问题，普通的向量检索确实够呛，图结构在这里能发挥独特的作用。 pgslotgacor pgslotgacor.app
但同样重要的是，GraphRAG 不是「必然比普通 RAG 更强」的升级版。 有评测专门做过对比，结论是两者各有优势。在很多日常的问答任务上，GraphRAG 反而不如标准 RAG 准确，而且延迟更高。你可以把图谱理解成一个「第二层索引」——它帮你做关系推理，但它不是地基。
我的实战建议是这样的：先把基础的混合检索做好。 语义搜索加关键词检索，再加一个重排序模型——这套组合在绝大多数场景里就够用了。「这篇论文里某个定义在哪」「这份讲义里某个概念怎么解释」「帮我找出处并给引文」——这些需求，混合检索就能覆盖。 pgslot pgslotgacor.app 爱亦凡yfsp.app
等你用着用着发现需求变了 —— 开始关心文档之间的关系，想要跨材料的时间线和概念网络 —— 这时候再把图谱加上来，也不迟。 onlinecasinocasinorelayforaustralianswww.onlinecasino10.com
保密性怎么保证
你说想在本地搭建系统，同时保持比较好的保密性。这个想法完全可行，但有一个区分你一定要想清楚。 iyf yfsp.app aiyifan yfsp.app iyf yfsp.app
「本地执行」和「本地推理」不是一回事。 免费在线影院xiaobaotv.video 爱壹帆在线yfsp.app ifun yfsp.app
Codex CLI 可以在你本地的目录里读文件、改代码、跑脚本 —— 这些操作确实在你自己的机器上完成。它甚至支持接入 Ollama 之类的本地模型 provider。所以拿 Codex 来做你这套知识系统的工程助手和编排工具，是完全没问题的。 电影爱壹帆yfsp.app 足球比分clbp.bet xiaobao xiaobaotv.video 小宝影院电影xiaobaotv.video onlinecasinorealmoneywww.onlinecasino10.com
但如果你底层推理用的还是云端模型（比如 GPT 或 Claude），那你实际得到的是「本地索引加本地工具，但推理在远端」。你的检索结果、你拼好的 prompt，还是要发到云端去。这不等于全链路本地化。 casinoonlineaustraliawww.baccarat.quest 小寶影院xiaobaotv.video Cassinos pgslotgacor.app 电影小宝影院xiaobaotv.video
那怎么画这条保密边界？关键是把敏感数据挡在检索层。 你的原始文档、切块、embedding、全文索引——这些全部留在本地。云端模型只看到经过检索筛选后的最小化结果。这样即使模型在云端，它接触到的也只是和当前问题相关的几个片段，不是你的完整知识库。 海外华人视频网xiaobaotv.video cryptoonlinecasinowww.onlinecasino10.com
如果你想做到更彻底 —— 从索引到推理全部私有化 —— 那就把模型 provider 也换成本地的。现在 Codex 和 Claude Code 都支持接入本地模型。代价是本地模型的能力通常不如云端的大模型，但对知识库问答这种任务来说，小模型往往够用。
小结
三个问题聊完了。RAG 没有过时，过时的只是 2023 年那种最简版的做法 —— 今天的 RAG 已经和长上下文、重排序、智能检索融合在一起，成了更大系统的一部分。知识图谱也值得做，但别着急 —— 先把混合检索搞扎实，等需求升级了再加图谱。至于保密性，Codex 或 Claude Code 在本地搭系统不是不行，关键是把保密边界画在数据和检索这一层。另外，不要忽视本地部署模型能力上的差别。 ifuntvyfsp.app
你已经在动手了，这比大多数只停留在讨论阶段的人强。继续加油吧。 小宝影院在线视频xiaobaotv.video onlinecasinocasinotrustinauwww.onlinecasino10.com
如果你觉得本文有用，请充电。 Caça-níqueis pgslotgacor.app slot pgslotgacor.app
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。 爱壹帆寻秦记yfsp.app skycrownonlinecasinowww.onlinecasino10.com JogodoTigrinho pgslotgacor.app
点击这个链接加入会员，立享 9 折优惠！获得专属会员内容、会员播客以及会员定制周边。在更多的领域和方向帮你打开脑洞，找到新的兴趣点。与一起洞悉当下，探索新知。 ifvodyfsp.app australianonlinecasinowww.baccarat.quest
延伸阅读
- • Perplexity 还是御三家？聊聊我的 AI 订阅清单与选择逻辑
- • AI 时代，你的知识管理工具该扔了吗？
- • AI 应用蓬勃爆发，你的「护城河」足够宽吗？
- • GraphRAG + GPT-4o mini 低成本构建 AI 图谱知识库
- • ChatGPT 时代，我的新书《智慧共生》上市了
onlinecasinosaustraliawww.baccarat.quest jvidjvid.asia onlinecasinowww.onlinecasino10.com 運彩cpbl.bet
10目录 0