长上下文替代RAG？想多了！2026企业AI选型最佳方案是…
08-09 10:22
精选参考来源
精选参考来源
1. 长上下文来了，RAG 还有必要吗？
微信公众号 2026-06-08 00:00:00
2. 200万Token时代，还需要RAG吗？
微信公众号 2026-06-12 00:00:00
3. 长上下文 vs RAG：什么时候该用哪个？
今日头条 2026-06-05 00:00:00
4. 有了超长上下文，RAG 还香吗
微信公众号 2026-07-30 00:00:00
5. 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
6. 长上下文军备竞赛结束了
微信公众号 2026-04-25 00:00:00
7. 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
8. 上下文突破200万Token，RAG真的过时了？
微信公众号 2026-06-28 00:00:00
9. 揭秘RAG隐性成本：别再被API调用费蒙蔽，你的钱可能都花在向量数据库和语义分块上了！
今日头条 2026-04-25 00:00:00
10. 账本里的工程师精神：从RAG与长上下文之争说开去
今日头条 2026-06-28 00:00:00
11. LLM 长上下文的工程陷阱：百万 Token 窗口不是白给的
微信公众号 2026-07-13 00:00:00
12. 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
13. 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
14. 上下文窗口越来越长，RAG 会被淘汰吗？
微信公众号 2026-08-02 00:00:00
15. 纠结 RAG 还是微调？一篇文章讲清 RAG、微调、长上下文到底怎么选！
微信公众号 2026-06-05 00:00:00
16. RAG、长上下文、MCP：AI 到底该怎么拿到外部知识？
微信公众号 2026-07-07 00:00:00
17. RAG：长上下文（Long-Context ）时代
微信公众号 2026-05-04 00:00:00
18. 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
19. DeepSeek V4 架构选型：RAG vs Long Context 决策树
微信公众号 2026-07-06 00:00:00
20. 别再争“RAG已死”：长上下文时代，90% 团队真正做错的是架构分工
今日头条 2026-03-28 00:00:00
21. 降本增效真实账本：企业AI知识库从自建到托管，人力成本归零背后的逻辑
知乎 2026-05-08 00:00:00
22. 给 RAG 系统「瘦身」：上下文裁剪正在成为降低 LLM 成本的第一手段
微信公众号 2026-07-07 00:00:00
23. FAB-Bench发布，200组RAG测试暴露长上下文失真
微信公众号 2026-05-29 00:00:00
24. 北大 |全局记忆增强的长上下文检索生成。📄一句话介绍：通过全局记忆模块生成检索线索，提升长文档复杂查询场景下的RAG效果 🎯动机 RAG在长文档处理中长期受限于检索质量。该领域的发展经历了几个阶段：早期方法直接将用户查询编码后与文档片段做相似度匹配，简洁有效但仅适用于查询意图明确、答案可直接定位的场景；随后HyDE、RQ-RAG等方法在查询侧引入改写与分解，缓解了表达不匹配问题，但仍困于"查询本身缺乏文档上下文信息"的根本局限；GraphRAG等转向预构建知识图谱以获取全局视角，效果显著但索引代价高昂，难以应对原始非结构化长文档。核心问题在于：能否让检索器以较低成本获得整篇文档的全局理解，从而胜任隐式查询、多跳推理与跨段综合等任务？ 💡方法与创新 MemoRAG提出"轻量记忆模型 + 表达性生成模型"的双系统架构，核心创新体现在三个方面： 一是基于KV压缩的全局记忆模块。在原始上下文中周期性插入记忆token，通过独立训练的记忆专用权重矩阵对长序列进行有损压缩，压缩比β可在4至64之间调节，使128K上下文的LLM最高可承载8M token的输入。 二是线索驱动的检索范式。面对隐式或抽象查询，记忆模块先生成一段草稿线索——可能不精确但揭示了潜在的信息需求，如将"主要角色之间的关系"转化为具体的人名与关系描述，再以线索作为代理查询去召回精确证据。 三是面向生成质量的强化学习训练。三阶段流程依次完成记忆预训练、线索SFT与RLGF，其中RLGF不直接评估线索本身的准确性，而是以最终答案质量为奖励信号，通过偏好排序损失反向优化记忆，确保生成的线索真正有利于下游检索与作答。 📊实验设计 实验覆盖LongBench、InfiniteBench与跨20个垂直领域的UltraDomain基准（上下文最长1M token），对比全上下文方法、标准RAG（BGE-M3、Stella、Jina）及HyDE、RQ-RAG、GraphRAG等增强方案。MemoRAG平均得分40.2，超过全上下文基线的35.0；NarrativeQA从21.4提升至27.5（相对增益28.5%），多文档问答2WikiMQA上54.1对38.1。 #智能体 #智能体记忆 #AI #科研 #大模型
抖音 2026-05-19 00:00:00
25. RAG · 检索与长上下文——让 AI「看见」你的私有数据
微信公众号 2026-05-07 00:00:00
26. 长上下文方案对比：一文讲清从 RAG、KV Cache 到百万上下文的工程取舍
微信公众号 2026-07-06 00:00:00
27. RAG vs 微调 vs 长上下文：2026年企业知识库技术选型决策树
微信公众号 2026-04-15 00:00:00
28. 文档级智能体RAG：多文档问答大突破！
小红书 2026-03-11 00:00:00
29. RAG 与长上下文：如何为语言模型装上「可更新的记忆」
微信公众号 2026-04-17 00:00:00
30. RAG 产品分享稿：RAG 产品设计与响应速度优化
微信公众号 2026-07-12 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. 多模态 RAG 才是企业知识库低效瓶颈的解药？
微信公众号 2026-05-17 00:00:00
34. RAG退潮，“文件系统+grep”回归，智能体检索的返璞归真
知乎 2026-04-04 00:00:00
35. 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
36. 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
37. 大模型上下文工程指南
知乎 2026-04-12 00:00:00
38. DeepSeek v4全面支持百万上下文 token，这意味着什么？到底有多厉害？
知乎 2026-04-26 00:00:00
39. 使用 Claude Code：会话管理与 100 万上下文
知乎 2026-04-16 00:00:00
40. Agentic Search 和 RAG RAG 是“先检索再生成”的固定流程；Agentic Search 是“由智能体自主规划与多轮搜索”的动态流程。 RAG：一次或少量检索，把文档喂给模型回答，简单、稳定、成本低。 Agentic Search：会拆解问题、改写查询、迭代检索、比较来源、必
今日头条 2026-07-11 00:00:00
41. AI 术语通俗词典：上下文
微信公众号 2026-06-17 00:00:00
42. 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
43. 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
44. Databricks CEO：我们不需要AI更聪明，只需要更长上下文
知乎 2026-06-05 00:00:00
45. AI 术语通俗词典：RAG
微信公众号 2026-05-24 00:00:00
46. Kimi-K3、GLM-5.2中文超长上下文多轮检索测评结果发布！
微信公众号 2026-07-21 00:00:00
47. 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
48. DeepSeek-V4正式上线：开源双版本+1M上下文，Pro版对标Opus，Flash版省钱神器
微信公众号 2026-04-24 00:00:00
49. 【Agent 开发范式演进：从环境工程出发，“简化”多源实时上下文】本文基于阿里云沈林在2026中国生成式AI大会的分享，指出企业级Agent落地瓶颈不在模型，而在上下文供给能力。文章从“环境工程”视角，提出信息完备性、感官管理、知识对账、变更治理、普惠门槛五大维度，探讨如何让Agent低成本、可靠
今日头条 2026-05-14 00:00:00
50. 相约 GenAICon 北京站：聊聊从环境工程出发，如何“简化”多源实时上下文？
知乎 2026-04-17 00:00:00
51. RAG新SOTA，还在5亿条数据上跑进秒级，只有它了
微信公众号 2026-06-18 00:00:00
52. 追求 AI 记忆力的路线下，RAG 是否终将被抛弃？
微信公众号 2026-07-04 00:00:00
53. 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
54. 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
55. 2026年程序员不懂RAG+Agent，将会落后于职场
知乎 2026-03-13 00:00:00
56. ContextSearch：为 Agent 构建可进化的上下文层
知乎 2026-05-27 00:00:00
-
散步慢跑都是白练！医生：肌肉流失才是衰老根源，晚了来不及113 24 -
完全新手小白一步步给京东云亚瑟刷uboot免拆机刷亚瑟67 108 -
“竹知了”舆情汹汹 鸿蒙智行发言人正式回应！60 507 -
真心建议：这6样东西别“反复用”，这是最无用的“节俭行为”112 100
已收藏
去我的收藏夹