从零开始
六步看懂
现代 AI 搜索
每一步只学一个新东西。
第 1 步
RAG 是什么?
回答前,先读资料。
你提问→找资料→AI 回答
比如你问学校明天几点开门。AI 先查学校通知,再回答你。
旧 RAG 的问题
- 只找一次,找错了也不停。
- 文字很像,不代表答案就在里面。
- 问题很难时,它不会拆开来找。
所以,过时的是“只找一次”的做法。
第 2 步
搜索变聪明
先多找,再认真挑。
关键词搜索认得一模一样的词
意思搜索认得意思相近的话
两个搜索一起工作,再让一个“裁判”重新排序。这叫混合检索加重排。
大多数文档问答,先把这一步做好。
第 3 步
Agent 会再找
难题,不一定一次找完。
- 1拆开问题
- 2选择工具
- 3检查答案
- 4不够就再找
它可以查网页、数据库、文件或 API。MCP 像统一插头,让 Agent 接上这些工具。
当它在网上反复搜索、比较来源并写报告时,我们常叫它 Deep Research。
更聪明,也会更慢、更贵。
第 4 步
图和记忆
一个看关系,一个记经历。
GraphRAG
把人、事、地点连成关系网。适合多跳问题。
Memory
记住偏好、决定和失败经验。适合长期陪伴。
问“谁和谁有关”时,图很有用。只问一个事实时,普通搜索往往更简单。
不要因为图很酷,就先建图。
第 5 步
上下文工程
把此刻需要的东西,放到 AI 桌上。
- 任务说明
- 找到的资料
- 工具结果
- 有用的记忆
- 当前工作状态
RAG 只是其中一块。现代系统还会决定拿什么、删什么、压缩什么。
新名字不是为了抛弃 RAG,而是把它放回正确位置。
第 6 步
到底怎么选?
先用简单办法。
数据在系统里直接查 API 或 SQL
资料少而稳定长上下文
资料多,要引用混合 RAG
关系很多GraphRAG
开放世界难题Agent / Deep Research
要长期记住Memory
默认升级顺序
直接查询 → 混合 RAG → 长上下文 → Agent → GraphRAG
只有前一步不够,才走下一步。
资料来源
更新于 2026 年 7 月。