2025年的AI圈，有个话题吵得比夏天的蚊子还烦人RAG技术到底还行不行？前阵子刷行业群，有人甩了张截图。

某大厂AI实验室的内部邮件里说"RAG是过渡方案，资源优先投大模型原生应用"，底下立马有人跟帖，"可我们公司上周刚签了三百万的RAG项目啊..."

这种分裂感，最近跟做AI产品的朋友聊天时特别明显，有个朋友吐槽，他们团队今年的KPI里，RAG相关的需求占了40%，但老板开会又总问"能不能用长上下文模型把RAG替掉"。

这事儿挺有意思一边是专家们讨论"后RAG时代"，一边是企业端的订单量还在涨。

企业为啥戒不掉RAG？

要说质疑，确实不是空穴来风，最常见的声音是"RAG就是个创可贴"。

有学者写文章说，等大模型的长上下文窗口再大点，知识更新再快点，RAG这种"外挂知识库"的模式就该被淘汰了。

这话听着有道理，毕竟谁不想一步到位呢，可企业的实际情况没那么理想。

我接触过一家制造业的AI负责人，他们厂里的设备手册、工艺参数隔三差五就更新，总不能每次都让大模型重训一遍吧？RAG往知识库塞个新文档，半小时就能用，这点目前还真没替代品。

还有人说RAG被AIAgents抢了风头，今年Agent火得一塌糊涂，各种"自主决策""多工具调用"的宣传满天飞，RAG的讨论度确实降了不少。

但Agent跑起来不得需要数据吗？用户问"上个月的销售数据怎么样"，Agent还得靠RAG去扒数据库里的表格，不然不就成了瞎回答？

中大型组织反倒在偷偷加码，我看某咨询公司的报告，2025年Q1，员工规模超千人的企业，RAG相关投入同比涨了快一倍。

不是简单搭个知识库，而是搞系统化建设数据清洗、权限管理、多模态支持，一套流程下来，投入不比搭个小模型少，这哪像是要淘汰的样子？

吐槽归吐槽，技术迭代可没闲着，今年行业里悄悄冒出不少新玩法，把RAG从"补丁"往"基建"上拉。

最明显的变化，就是不再死磕"RAGvs长上下文"，而是琢磨怎么让它俩搭伙干活。

RAG技术怎么偷偷升级的？

之前大家觉得长上下文能替代RAG，是觉得"上下文够长，知识直接塞进去不就完了"。

但实际用起来才发现问题比如你问一份500页报告里的某个细节，长上下文模型经常把中间几页的内容给忘了，业内叫"中间迷失"效应。

后来有人想了个招，先让RAG把相关的段落挑出来，再塞给长上下文模型，相当于RAG当"筛子"，长上下文当"精读老师"。

我见过一个法律AI产品，用户上传几十份案例，RAG先检索出最相关的3份，再让大模型基于这3份生成分析，准确率比纯长上下文高了不少。

更狠的是把RAG的流程拆开揉碎了改，以前检索和搜索是混在一起的，现在有人把它分成两步，先"广撒网"搜索，再"精准捞鱼"检索。

比如搜"AI伦理"，先找相关的文档，再从文档里拆出句子、段落甚至关键词，一层层缩小范围。

这样一来，既不会漏掉重要信息，又能减少噪音。

TreeRAG就是个典型例子，离线的时候把文档拆成树状结构，像书的目录一样，有章节、小节、段落摘要。

用户提问时，先定位到哪一章，再到哪一节，最后把相关的内容拼起来，这招挺聪明，有点像我们查字典，先按部首，再找页码，比一页页翻快多了。

GraphRAG则是另一个思路，搞知识图谱，从文档里抽人物、公司、事件这些实体，再把它们的关系理清楚。

比如"苹果"和"乔布斯"是"创立"关系，"iPhone"和"苹果"是"产品"关系。

但这玩意儿也麻烦，实体关系容易搞错，还特费Token，目前也就金融、法律这些对关系敏感的领域在用，现在更流行的是混搭TreeRAG搭骨架，GraphRAG填血肉。

比如分析一份财报，先用TreeRAG定位到"营收"章节，再用GraphRAG把"营收"和"成本""利润"的关系理清楚，我觉得这可能是未来的方向，毕竟没有哪种技术是万能的，搭伙过日子才靠谱。

技术在升级，RAG的角色也在变，以前它就是个知识库，问啥答啥。

现在不一样了，AIAgent火了之后，RAG开始当"数据管家"，Agent需要啥数据，它就给啥数据。

比如你让AIAgent帮你安排出差，它得知道你的行程偏好、公司的差旅政策、目的地的天气。

这些数据可能散在邮件、文档、App里，RAG就负责把这些信息捞出来，整理好给Agent，这时候RAG就不是单独的工具了，而是Agent的"后勤部长"。

数据处理的管道也越来越讲究，以前上传个PDF，能识别文字就不错了。

现在还能提取表格、图片里的信息，甚至把手写笔记转成结构化数据，有个做医疗AI的朋友跟我说，他们现在能用RAG处理CT报告里的影像描述，再结合病历数据，辅助医生诊断。

RAG现在就像个默默攒经验的游戏角色，表面看还是那个"检索增强生成"，背地里已经把技能点加到了数据处理、上下文管理上。

以前是"你问我答"的客服，现在快成了"帮你整理资料、协调资源"的助理，行业里有人说，2025年是RAG的"成年礼"。

从被质疑"是不是过渡方案"，到成为AIAgent的基础设施，它用实打实的需求和技术升级回应了质疑，可能未来还会有新的技术挑战，但至少现在，RAG已经从"可有可无的创可贴"，长成了"缺它不行的承重墙"。

我觉得这事儿挺有意思技术的发展从来不是非此即彼，更多是在争议里找到自己的位置，RAG的故事，可能就是AI行业的一个缩影：没有永远的"临时工"，只有不肯进化的"旧思维"。