装得下≠用得上：RAG与长上下文的真实对比与选择逻辑
08-05 11:23
精选参考来源
精选参考来源
1. 都支持1000w的上下文了，还要啥RAG？
微信公众号 2026-04-30 00:00:00
2. 1M 上下文不是越长越好：长上下文到底怎么用，什么时候该用 RAG
微信公众号 2026-06-19 00:00:00
3. 面试官问：长上下文和 RAG 到底怎么选？
微信公众号 2026-06-09 00:00:00
4. LLM无限上下文了，RAG还有意义吗？
微信公众号 2026-06-18 00:00:00
5. 1M上下文时代，RAG反而更重要
知乎 2026-07-11 00:00:00
6. 长上下文 vs RAG:3个临界点决定你该怎么选
微信公众号 2026-07-05 00:00:00
7. 长上下文 vs RAG：什么时候该用哪个？
今日头条 2026-06-05 00:00:00
8. 长上下文来了，RAG 还有必要吗？
微信公众号 2026-06-08 00:00:00
9. 论文精读：《Lost in the Middle》—— 为什么 LLM 会”迷失在长上下文的中间”
知乎 2026-04-22 00:00:00
10. 面试官问你：模型看长文档为啥总丢中间？
微信公众号 2026-06-11 00:00:00
11. 大模型的“注意力稀释”到底是什么？为什么上下文一长，它就开始装作自己看过
知乎 2026-05-19 00:00:00
12. 你给大模型喂的资料越多，它反而回答得越差？这不是错觉
微信公众号 2026-05-31 00:00:00
13. RAG与Long Context的终极对决：当Transformer上下文窗口飙至1M，RAG检索架构会被抛弃吗？
微信公众号 2026-07-24 00:00:00
14. 200万Token时代，还需要RAG吗？
微信公众号 2026-06-12 00:00:00
15. 2026 AI 开发者生存指南（6）：RAG 技术最新进展与落地实践——2026 年还有哪些坑？
知乎 2026-06-22 00:00:00
16. AI面试每日一题 | 第031期：大模型长上下文技术：百万Token上下文是怎么实现的？为什么不会"失忆"？
微信公众号 2026-07-24 00:00:00
17. RAG的"中间迷失"，可能只是实验没做对——重新审视文档位置与上下文长度对RAG的影响
微信公众号 2026-05-29 00:00:00
18. 百万 Token 只是海市蜃楼？2026 深度解析 LLM “注意力丢失”与 Agent 上下文漂移的终极解法
知乎 2026-04-29 00:00:00
19. 长上下文处理的技术挑战与LongCat-2.0性能分析
微信公众号 2026-07-28 00:00:00
20. 别再迷信长上下文：窗口才用30%，我的Agent就失忆了
微信公众号 2026-06-12 00:00:00
21. Lost in the Middle：上下文变长后，模型真的会用到中间信息吗？
微信公众号 2026-06-23 00:00:00
22. AI为何总“漏看”中间？真正原因原来和人类一样
微信公众号 2026-06-15 00:00:00
23. 每天讲透一个 AI Agent 知识点：Lost in the Middle 是什么？
微信公众号 2026-06-09 00:00:00
24. 大模型失忆之迷 当把一份几万字的文档丢给大模型，或者跟它连续聊上几十轮之后，它就开始“胡言乱语”了？ 明明开头定好的规则，它忘了；文档中间的关键细节，它死活找不着。 很多人以为是 AI 的智商不够，其实，你可能遇到了大模型的一个“隐形杀手”——上下文腐烂（Context Decay）。 你可以把大模型的“上下文窗口”想象成一个浴缸。 早期的 AI 浴缸很小，只能装几千个字；现在的 AI，比如 Gemini 或者 Claude，号称能装下几十万甚至上百万字，像个大游泳池。 但是，水装得越多，水质就越浑浊。 所谓的“上下文腐烂”，就是当信息量大到一定程度时，AI 的注意力会被极度稀释。 它就像一个考试前临时抱佛脚的学生，虽然把整本书都翻了一遍，但真正考试的时候，只记得书的第一页和最后一页，中间的内容全成了“背景噪音”。 技术层面，这主要由三个原因造成： 迷失在中间（Lost in the Middle）：这是学术界公认的难题。AI 对长文本的两头记忆深刻，但对中间部分的检索准确率会呈 U 型下降。 注意力稀释：Transformer 架构的本质是给每个词分配权重。当词太多时，核心信息的权重会被大量无关的废话分走，信号被噪声淹没了。 为了让你用得起、跑得快，后台会对你的对话记忆进行“压缩”。这种压缩是有损的，聊得越久，误差累积就越多，AI 的“脑子”也就越糊涂。 既然“腐烂”不可避免，目前有三招可能比较有用： 第一，重要指令后置：如果你有核心要求，不要只在开头说，记得在 Prompt 的最末尾再重复一遍，那是 AI 记忆最清醒的地方。 第二，定期清理缓存：如果是长对话，发现它开始犯错，别犹豫，开启一个新对话。 第三，摘要大法：不要一次塞 10 万字，先让它分段总结，再基于总结进行推理。 上下文不是越大越好，懂如何管理上下文的人，才能真正驾驭大模型
抖音 2026-03-12 00:00:00
25. AI记忆翻倍了，你的提示词还在挤牙膏？——长上下文时代的5条新策略
微信公众号 2026-07-09 00:00:00
26. 大模型的上下文工程：拆解Anthropic 的三个经典解法
微信公众号 2026-06-11 00:00:00
27. DeepSeek V4 架构选型：RAG vs Long Context 决策树
微信公众号 2026-07-06 00:00:00
28. RAG 已死？长上下文窗口正在摧毁向量数据库赛道，还是两者可以共存？
微信公众号 2026-05-26 00:00:00
29. 滴滴面试官："你做RAG，是真的需要，还是你根本没算过成本？"
知乎 2026-05-08 00:00:00
30. 什么是长上下文：为什么AI需要记住整本书
微信公众号 2026-08-01 00:00:00
31. Transformer与RNN合体，谷歌打下显存门槛，解锁超长上下文
微信公众号 2026-04-17 00:00:00
32. 创新Transformer！面壁基于稀疏-线性混合架构SALA训练9B模型，端侧跑通百万上下文
微信公众号 2026-02-11 00:00:00
33. Kimi K3 已提前亮相？神秘模型「Kivine」现身，百万上下文能力惊艳全球
微信公众号 2026-07-16 00:00:00
34. 万字解读：为何长上下文治不了多模态 AI 的「健忘症」？丨GAIR Live 031
微信公众号 2026-06-11 00:00:00
35. GLM-5.2来了，Claude Code百万上下文怎么配？
微信公众号 2026-06-13 00:00:00
36. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？
知乎 2026-03-09 00:00:00
37. 大模型上下文工程指南
知乎 2026-04-12 00:00:00
38. 使用 Claude Code：会话管理与 100 万上下文
知乎 2026-04-16 00:00:00
39. AI 术语通俗词典：上下文
微信公众号 2026-06-17 00:00:00
40. GPT-5.6 惊现 150 万上下文窗口，将如何影响大模型竞争格局？
知乎 2026-06-17 00:00:00
41. P99延迟降72%、成本降83%！字节跳动Agent上下文平台首度公开
知乎 2026-04-23 00:00:00
42. DeepSeek-V4终于更新了！一百万超长上下文，Agent能力大幅增强，能力接近Opus 4.6
微信公众号 2026-04-24 00:00:00
43. 阿里云为何选DeepSeek-V4-Pro？大模型竞赛进入工程化维度 阿里云选DeepSeek-V4-Pro当降价先锋，不是随便选的。这款模型有1M超长上下文，能轻松处理百万级Token的多轮对话，MoE架构还让推理成本更低。阿里云用它做降价载体，藏了三个小心思：第一，DeepSeek本身是开源力量
今日头条 2026-05-03 00:00:00
44. Claude 4.6 百万 Token 上下文正式开放，不加钱，这 3 个使用场景效率直接翻倍
知乎 2026-04-06 00:00:00
45. AI深度使用避坑实战手册（个人真实踩坑总结版）
今日头条 2026-08-03 00:00:00
46. 你的 AI 助手为什么越用越“笨”？2026 上下文管理避坑指南
CSDN博客 2026-04-13 00:00:00
47. 为什么你的 Agent 说着说着就忘了——上下文窗口越大，它反而越记不住
腾讯云 2026-06-30 00:00:00
48. 长上下文 vs RAG：什么时候该用哪个？
今日头条 2026-06-05 00:00:00
49. 别盲目调Prompt！RAG三大核心痛点，从架构层面一次性根治
今日头条 2026-06-18 00:00:00
50. 2026 AI 开发者生存指南（6）：RAG 技术最新进展与落地实践——2026 年还有哪些坑？
CSDN博客 2026-06-22 00:00:00
51. RAG系统实战教训：50万学费换来的三大坑
今日头条 2026-07-28 00:00:00
52. 调RAG一夜：90%的Prompt误区
今日头条 2026-08-03 00:00:00
53. 长上下文来了，RAG 还有必要吗？
微信公众号 2026-06-08 00:00:00
54. 什么是长上下文：为什么AI需要记住整本书
微信公众号 2026-08-01 00:00:00
55. 企业知识库问答落地：RAG 从架构选型到检索质量的完整指南
CSDN博客 2026-08-02 00:00:00
56. 长上下文模型来了，RAG 还要不要做？从成本、延迟和可验证性重新算一遍
腾讯云 2026-08-01 00:00:00
57. 100万token上下文 + 2.8万亿参数：Kimi K3会如何重塑RAG式GEO投喂逻辑？
腾讯云 2026-07-20 00:00:00
58. 75-Prompt工程vs微调vsRAG-大模型定制化方案终极选型指南
CSDN博客 2026-07-24 00:00:00
59. 从Naive RAG到Agentic RAG：2026年知识库架构演进全解析（附Milvus+LangChain完整实战）
CSDN博客 2026-07-16 00:00:00
60. Choosing Between RAG, Long Context, and Fine-Tuning
2026-03-31 00:00:00
61. 企业级RAG应用：GPT-5.6长上下文检索与推理闭环实测
CSDN博客 2026-07-29 00:00:00
62. 《别再纠结了！2026年终极指南：RAG（检索增强生成）、微调与长上下文，到底该选谁？》
腾讯云 2026-04-22 00:00:00
63. RAG的“死“与“生“：长上下文时代为何仍需RAG增强技术？
CSDN博客 2026-07-17 00:00:00
64. 100万token真的能用吗？GLM-5.2和Gemini长上下文的实测分析
CSDN博客 2026-07-04 00:00:00
已收藏
去我的收藏夹