出品方：罗可龙的博客
在科技圈，追逐热点是常态，抛弃旧爱也同样迅速。2023年，检索增强生成（RAG）还是人人追捧的“白月光”，是让大模型落地企业知识库的唯一解。而仅仅一年不到，风向标似乎已经悄然转向了Agentic AI（智能体）。一时间，“RAG已过时，Agent才是未来”的论调甚嚣尘上。这种非黑即白的叙事不仅过于简单，而且完全误解了两者之间的关系和整个行业演进的深层逻辑。
我的核心观点是：别再争论RAG与Agent了，这是一个伪命题。真正的行业趋势，不是用Agent“取代”RAG，而是将RAG“降维”成Agent工具箱里一件趁手的兵器。我们正在经历的，是从“信息问答”到“流程执行”的根本性范式转移，而这才是决定未来AI应用价值的关键。
RAG的局限性：一个优秀的“问答者”，而非“执行者”
我们必须清晰地认识到RAG的本质和它的能力天花板。RAG的核心价值在于，通过引入外部知识库，解决了大模型在处理专业、私有或实时信息时的“幻觉”和知识陈旧问题。它让AI从一个“满嘴跑火车”的通才，变成了一个能够引经据典、有据可查的领域专家。这在客户支持、内部知识查询等场景中表现出色。
然而，RAG的交互模式是根本上被动的、单向的。它是一个典型的“查询-响应”（Query-Response）系统。你问，它答。它能告诉你“如何重置客户的账户密码”，甚至能从知识库里找出详细的操作手册。但它无法自己去“执行”这个重置密码的操作。商业价值的闭环，恰恰在于行动和结果，而不仅仅是信息的传递。一个只能告诉你怎么做的系统，其价值上限是显而易见的。企业最终需要的，是能直接解决问题的“手”，而不仅仅是一个更会说话的“嘴”。
Agent的升维：从“知道”到“做到”的质变
Agentic AI则是一个完全不同维度的概念。一个Agent的核心在于它具备感知（Perception）、规划（Planning）、记忆（Memory）和行动（Action）的能力。它不再局限于回答问题，而是被设计用来完成任务、执行工作流。在Agent的框架下，与外部世界交互的“工具（Tools）”是其关键组成部分。
这正是关键所在：RAG，从Agent的视角来看，就是一种极其重要的“信息检索工具”。当一个Agent接到一个复杂任务，比如“为上季度流失的重要客户准备一份挽留方案”，它会如何行动？它可能会规划出以下步骤：
- 调用RAG工具，从公司的客户关系管理（CRM）知识库中检索该客户的交易历史、服务记录和流失原因分析报告。
- 调用数据分析工具，对检索到的数据进行汇总，找出关键问题点。
- 调用文案生成能力，根据分析结果，草拟一份个性化的邮件和挽留方案。
- 调用CRM的API工具，在系统中创建一个跟进任务，并将邮件草稿附上，指派给相应的客户经理。
在这个流程中，RAG不是被淘汰了，而是被无缝地整合进了更宏大的工作流中。它从过去的主角，变成了一个高效的“信息供给单元”。将RAG与Agent对立起来，就像争论“轮胎”和“汽车”哪个更重要一样，是混淆了组件与整体的关系。
反驳与回应：别用战术上的苟且，掩盖战略上的懒惰
当然，我知道会有人反驳，认为Agent目前还不成熟，执行任务的稳定性、可靠性和安全性都存在巨大挑战。他们认为，与其追求宏大而不可靠的Agent叙事，不如老老实实地优化RAG，至少它能稳定地解决一部分问题。
这种观点貌似务实，实则是一种战略短视。首先，可靠性是工程问题，而非方向问题。所有颠覆性技术在早期都伴随着不稳定和风险，但这恰恰是技术迭代和创新的动力所在。解决方案不是退回到更安全的旧范式，而是通过引入验证机制、增加人工审核节点（Human-in-the-loop）、开发更强的错误修正和规划能力来驯服这头“猛兽”。
其次，仅仅满足于做一个更好的内部搜索引擎，是对AI潜力最大的浪费。市场的需求和资本的流向已经非常明确：企业愿意为能直接提升效率、降低成本的“自动化工作流”支付高昂的溢价，而不是为一个稍微好用一点的“问答机器人”。满足于RAG的舒适区，无异于在数字浪潮中抱着一块浮木，而放弃了驶向新大陆的巨轮。
我的看法
我们正处在一个关键的转折点。继续将资源和认知局限在优化RAG上，就好比在马车时代拼命研究如何让马跑得更快，而忽略了旁边呼啸而过的内燃机。
我的看法是，企业和开发者应该立即转变思路。不要再问“我们该如何构建一个RAG应用？”，而应该问“我们业务中哪个高价值、多步骤的工作流，最适合被一个AI Agent所自动化？”。当你开始从这个角度思考时，你会发现，RAG只是你为了实现这个宏大目标所需要解锁的众多工具之一。你的目标将不再是构建一个孤立的问答系统，而是打造一个能协同多种工具、真正深入业务流程的数字劳动力。这，才是通往AI应用未来的正确航向。
转载请注明出处：罗可龙的博客 | 联系邮箱：[email protected]