先把文件切小塊，再讓模型自己找答案：那篇RAG長文，把知識獲取講成了一條生產線

9月20日，掘金上出現一篇三十六分鐘閱讀量的長文。作者「老王以為」的《走進 AI Agent》系列寫到第四篇，主題是RAG基礎，副標題叫「知識獲取管道」。這個系列一路從決策引擎、用戶記憶系統寫下來，第四篇終於碰到了開發者圈這兩年最熱也最實際的問題：怎麼讓 Agent 讀懂公司內部文件，並且在該用的時候把對的段落撈回來。

文章發出後閱讀量不算爆炸，但在持續追這個系列的讀者眼裡，這一篇補上了拼圖的關鍵一角。本文以回顧角度，拆解這篇長文在講什麼、為什麼這個時間點值得寫成六千字以上，以及它和整個系列的接榫方式。

大模型的知識有截止日期，公司的文件每天都在長

先把文章的核心動機補上。大模型的訓練資料有截止日，過了那天之後發生的法規修正、內部流程改版、新產品手冊，模型一概不知道。RAG（檢索增強生成）的思路是把模型的生成能力與外部知識庫拆開：知識庫隨時可以更新，模型一行程式碼不用改。

作者給了一個對前端工程師很友善的類比：RAG 像是幫元件接上一個外部資料源。元件本身不動，換一份資料，渲染出來的結果就完全不同。這個比喻在留言區被認為是全文最好懂的一段。

系統面上，RAG 由兩個角色構成。檢索器負責從知識庫找出相關片段，生成器拿到片段當作上下文來回答。文章用「量子糾纏是什麼」當範例：檢索器從維基百科知識庫取回三個片段，包括2022年諾貝爾物理學獎的實驗驗證，再交給模型生成答案。系統提示詞還特別寫明，資料不足時要明確說出來。

::infigure::

(依站方指示，本篇為純文字模式，以下以文字繼續。)

這篇在系列裡的位置：記住一個人，然後記住一羣人的知識

要看懂第四篇為何長這樣，得先回第三篇。系列第三篇處理的是用戶記憶系統，讓 Agent 在對話結束後仍記得使用者的偏好、習慣與帳號關係。第四篇處理另一半：怎麼讓 Agent 記住領域知識。

作者把整個框架寫成一條公式：Agent 等於決策引擎加資訊視野加執行通道。資訊視野分六層，系統提示詞與工具定義相對靜態，任務軌跡與當前輸入隨對話動態增長，夾在中間的用戶記憶與領域知識則是跨會話的持久化資訊。第三篇深入前者，第四篇與第五篇深入後者。

兩條線最終會在「雙層記憶架構」匯合：結構化記憶常駐上下文提供概覽，上下文感知檢索按需取回細節。這個收束被安排在第五篇，所以第四篇明顯是在鋪管線，先把「知識怎麼進來、怎麼被檢索」走完，下一篇才處理知識的組織與深度檢索，包括 RAPTOR、GraphRAG 等結構化索引。

一條完整的知識獲取管道，從切塊到重排

第四篇的主體依序走過幾個環節：文件分塊、稠密嵌入、稀疏嵌入、混合檢索與重排序、多模態資訊提取。這些名詞對圈外人有點硬，但拆開看其實都是同一條生產線上的工站。

文件分塊是第一站。一份幾百頁的法規文件不能整份塞進上下文，得先切成適當大小的片段。切得太碎會丟失語境，切得太粗又會稀釋相關度，這個取捨是所有 RAG 專案的第一個坑。

嵌入是第二站。稠密嵌入把文字轉成一串向量，讓語意相近的內容在向量空間裡距離接近，適合處理換句話說的問題；稀疏嵌入則保留關鍵詞的精確匹配能力，適合處理專業術語與代號。混合檢索把兩者並用，再靠重排序模型把初步撈回的片段重新排序，把最相關的推到前面。

最後的多模態資訊提取，處理的是真實企業文件裡少不了的表格、圖片與版面資訊。這一段呼應了一個現實：公司知識庫很少有純文字，PDF 排版、掃描件、投影片才是常態。

值得注意的是文章的寫法。作者聲明不假設讀者有演算法或數學背景，每個概念先給直覺與類比再給細節，範例程式統一用 TypeScript，並標明文中程式碼取自 dense-embedding、sparse-embedding、retrieval-pipeline、multimodal-agent 等配套專案的節選，完整專案之後會以開源形式釋出。作者還給了一句很務實的閱讀建議：讀到不懂的地方先往下走，很多概念會在後文反覆出現，第二次見到時會豁然開朗。

面試圈先撞上的牆，社羣文章來補磚

把這篇長文放回這半年的社羣脈絡，會發現它回應的其實是一個已經燒了幾個月的現象。各大廠面試題裡，RAG 相關追問早已成為標配，先前流出的阿裏巴巴邊緣BU一面面經裡，追問就繞著多層Agent架構與RAG切分打轉；更早的美團Agent一面場景題也出現過TB級RAG的實戰考題。求職圈在面試間先撞上這堵牆，教學型長文自然有了讀者。

這也解釋了為什麼一篇閱讀量三十幾的文章值得圍觀。掘金上RAG教學文不少，但多數停在單點工具的使用。這一篇的差別在於它是系列的一環，用戶記憶、領域知識、決策引擎各佔一塊，最後要拼成一個能主動服務的完整架構。對照著看，單篇教你用向量資料庫的文章像零件說明書，這個系列像裝機手冊。

另一個看點是作者的釋出節奏。文末預告了多個配套開源專案，從嵌入到檢索管線都有對應倉庫。這種「文章講原理、倉庫放程式碼」的雙軌做法，近來在開發者社羣愈來愈常見，讀者要的已經很明確：能跑的東西，加上講清楚為什麼這樣跑。

第五篇預計處理知識的組織與深度檢索，兩條記憶線索將在雙層架構正式合流。追這個系列的讀者，等的是那一站。