我要投稿

RAG过时了吗？关键是用对检索方法

发布日期：2025-05-28 11:57:09 浏览次数： 1980

作者：极客开源

微信搜一搜，关注“极客开源”

RAG 过时了吗？其实，这个说法只是针对简单向量检索在编程场景中的局限性。#RAG 的核心是为 LLM 提供合适的上下文，关键在于选择适合你应用的检索策略。

“RAG 已死”针对的是特定场景，不是全面否定 RAG

这里所谓的“RAG 已死”，主要是指在自主编程#智能体（coding Agents）中，单纯依赖向量数据库的检索方式效果有限，并不是说 RAG 整体无用。

RAG（#检索增强生成，Retrieval-Augmented Generation）的本质，是通过检索为 #LLM 提供相关上下文，帮助其生成更准确的回答，这一核心原则依然非常重要。

为什么简单向量检索在编程中效果不佳？

编程任务中，代码之间的关系复杂且高度依赖#上下文。单靠#向量相似性搜索，往往无法捕捉函数调用、依赖关系等深层次联系。

例如，理解代码时，可能需要跨文件追踪函数、变量的流转，简单的#向量检索难以满足这种需求。

现代编程助手如何改进？

以 #Claude Code 等现代编码助手为例，它们依然采用检索，但方式更智能，采用类似人类开发者的 agentic search（#代理式搜索）。

这些工具通常结合多种检索策略，如#关键词匹配、#嵌入相似性、#LLM 驱动的上下文过滤等，提升检索的相关性和实用性。

RAG 的定义被误解

“RAG”已经被炒作成一个模糊的流行词，有人认为它泛指所有#检索系统，有人则只指#向量数据库。

不要被术语本身迷惑，关键是为 LLM 选择合适的检索方式，确保其获得完成任务所需的正确#上下文。

如何选择适合的检索方式？

不同的 AI 应用场景需要不同的检索策略，常见方式包括：

- 简单#关键词匹配

- 向量#相似性搜索

- #LLM 驱动的复杂过滤

- 多步#检索（multi-hop retrieval）

具体选择应结合你的应用场景、数据特点和性能需求。建议：不要盲目追随“避免 RAG”或“拥抱 RAG”。针对你的应用，尝试多种检索方式，分析用户需求和失败模式，找到最适合的解决方案。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-01-11

高精度知识库≠Milvus+llm！这份PaddleOCR+混合检索+Rerank技巧请收好

2026-01-10

AIOps探索：做AIOps不要低估运维领域的RAG带来的影响

2026-01-10

Qwen3-VL 正式开源：多模态 RAG 的关键一环终于补齐

2026-01-09

白嫖一个英伟达的垂直领域 Deep Research 智能体

2026-01-09

Milvus 向量数据库实战：从零构建高性能 RAG 系统

2026-01-08

都有混合检索与智能路由了，谁还在给RAG赛博哭坟？

2026-01-06

当 Claude Code 连接 NotebookLM，个人 AI 终于有了“长期记忆”

2026-01-06

AI 总 “胡说八道”？分类法 + 本体论，让 AI 决策透明可追溯

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

RAG 深度解读：检索增强生成如何改变人工智能

2025-12-04

大模型生态的“不可能三角”：规模化应用的架构困境？

2025-11-04

RAGFlow 深度介绍

2025-10-31

大模型RAG入门宝典｜从AI搜索到实战搭建，小白&程序员必收藏的检索增强指南

2025-12-03

RAGFlow v0.22.0 发布：数据源同步、变量聚合、全新管理界面与多项重大更新

2025-11-13

2025 年 RAG 最佳 Reranker 模型

2025-10-16

基于大模型的智能问答场景解决方案——RAG提升召回率的关键

2025-10-16

5步构建企业级RAG应用：Dify与LangChain v1.0集成实战

2025-11-13

企业级 AI Agent规模化落地的避坑指南，就藏在这四大趋势里

2025-12-02

从 RAG 到 Agentic RAG，再到 Agent Memory：AI 记忆的进化三部曲

2025-11-05

大家都在问

都有混合检索与智能路由了，谁还在给RAG赛博哭坟？

2026-01-08

如何用NotebookLM，把枯燥的财报解读成精美的PPT？

2026-01-02

为什么Claude Code不用RAG？

2025-12-23

终于，NotebookLM 和 Gemini 合体了。这是什么神之更新？

2025-12-21

Apple 入局 RAG：深度解析 CLaRa 框架，如何实现 128x 文档语义压缩？

2025-12-10

RAG知识库迎来大洗牌：GraphRAG如何让机器真正读懂世界？

2025-11-23

再谈RAG的文档解析——文档解析的难点在哪里？

2025-11-20

为什么RDF是AI系统的“天然知识层”？

2025-11-19

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部