如果你最近正想学 RAG，而且 B 站首页已经给你推过几个"最全最细"的教程，这篇就是写给你的。
8 月 14 日，我在 B 站搜"RAG"，按"一周内"筛选，采集了前两页共 77 条视频。其中仅 8 月 13 日一天就上新 29 条，占这一周总量的 38%。再统计标题话术：
23 条含"最全"“最细"或"最好”（30%）；
16 条承诺帮你"少走弯路"，多数是"少走 99% 弯路"（21%）；
16 条拿就业当卖点，“学完即就业”“从入门到就业”（21%）；
10 条标榜"手把手"“保姆级”（13%）。
四个话术互相叠加，一条视频经常同时中三个。说 B 站上的 RAG 教程已经工业化，不算夸张。
下面三笔账，算的都是同一件事：你按下收藏键的时候，到底在为什么付费。
第一笔账：标题里的权威，是真的吗
两个典型。8 月 11 日上传的《【整300集】清华大学146小时讲完的Agent从入门到就业全套教程，学完即就业！》，上传者叫"大模型饼饼"。哔哩哔哩视频简介把课程体系和适合人群写得很全，唯独没有任何一句话说明这套内容出自清华大学哪门课程，同款的还有"北京大学198小时讲完，全648集"。
更有意思的是"吴恩达"前缀账号：同一周的搜索结果里，吴恩达langchain、吴恩达Agentic、吴恩达LLM、吴恩达codex 四个账号轮番出现，发的都是"公认最好"的整套教程，其中还包括《【吊打付费】目前B站最全最细的AgenticRAG教程，吊打传统RAG！》。哔哩哔哩这些账号和本人有没有关系，建议自行核实；但多个同前缀账号共用同一套标题模板，这件事本身已经说明问题了。
这不是教学，是 SEO。这类标题的用途是先把你圈进来，再到评论区、私信和主页里接付费课或资料群。"吊打付费"四个字，恰恰就是付费漏斗的钩子。
第二笔账：教程教的，和从业者卡住的，不是一回事
RAG 圈有句流传了两年的老话：“RAG demo 5 分钟，上线上一年”。知乎
B 站批量生产的教程，教的几乎全是前半句——搭管线：切分、embedding、向量库、检索、生成。这部分复现门槛最低、最适合拍成视频，于是成了内容农场的主菜。跑通之后你看到的就是上面这种切片界面——但它只是起点。
真正踩坑的全在后半程。知乎一个 75 万浏览的回答，记录了一个企业知识库的优化过程：第一版三天上线，准确率只有 60% 左右，员工问"数据库连接池怎么配"，AI 答的是索引优化。接下来两个月，作者做了六件事——文档按语义边界切分代替固定长度，准确率 +8 个百分点；加 bge-reranker-v2-m3 重排，68%→79%；加 BM25 混合检索，79%→86%；加元数据过滤和 LLM 意图提取，86%→91%；回答附上来源引用；以及用 200 个真实问答对搭评测集，最终把准确率从 60% 提到了 95%。知乎
作者的总结是：搞了两个月 RAG，最大的感悟是瓶颈不在模型，在工程。知乎
评测集值得单独说。在《RAG会跑通还不够》那篇文章里，面试官的追问被整理成 5 层，几乎每一层都要求你说清"你有测试集，不是凭感觉"。知乎往知识库里补真实问题这个动作，界面朴素，却决定了你每一次优化有没有数字可依。
来源引用同理。用户能点开 [1]、[2] 核对原文的时候，知识库问答的可信度才是另一个层级。这一步不提升准确率数字，但决定别人敢不敢用你的系统。
第三笔账：你准备投入的方向，本身在被重排
这不是贩卖末日论，而是一个绕不开的时间窗口问题。
今年七八月，知乎连续热了好几个问题：“为什么现在 Agent 重新用回 Grep，而不是先做 RAG？”"RAG 会不会消亡？"有的回答相当尖锐：Grep 的迭代效率和成本比 RAG 低几个数量级，RAG 作为低效率范式年内就会被取代。知乎
行业观察侧也有人注意到，Agent 社区的新主角换成了 Skills、Tools、MCP，RAG 被提及的频率越来越低。知乎
但同一批讨论的反面同样清晰：被替代的是"接好管线就算完"的那部分。高赞评论说得很直白——要 10 秒内出结果、要引用可追溯，想来想去还是 RAG；企业知识库、权限隔离、来源核验，这些需求不会消失。就业侧也一样，翻一遍"大模型应用开发"岗位的 JD，Agent 开发、RAG、Prompt、工具调用、部署仍然在反复出现。知乎
所以给学习者的结论其实很清楚：真正会贬值的，不是学 RAG 的时间，而是只学搭管线的时间。搭评测集、排查检索质量、做效果观测这套能力，可以平移到未来任何检索系统里，包括所谓的 Agentic RAG。
那什么样的教程，才值得你花时间的
从这个样本里，能提炼出几个相对稳妥的信号：
值得看的：教你搭评测集的；给你看失败案例和前后对比的；有具体数字（准确率、延迟、成本）的；讲排查思路而不只是步骤的。这次采样里也有主题聚焦的内容，比如 Spring AI 2.0 的企业级 RAG 实战、用 Qwen3 微调 Embedding 这类，至少标题和内容都指向具体问题。
要绕开的：挂靠说不清出处的权威的（某大学几百小时、某名师全套）；承诺就业的；只教搭管线、不讲评测的；用"吊打付费"当钩子的。
再给一个最小可行建议：别从 300 集开始。先把开源框架的 quickstart 跑通（LangChain、LlamaIndex、RAGFlow 都行），让第一版知识库问答跑起来。RAGFlow官方文档配置页上切分方法、embedding 模型、知识图谱提取这些选项直接摊在你面前，比看视频背概念直观一百倍。然后只做一件事：写 30 个真实问题，做一张小评测表，每次改动前后跑一遍。那篇面试文给的建议正是这个——这一件事比看 100 集教程都有用，它能把进步量化，还能在面试时掏出来。
最后留一个观察信号：以后判断 RAG 教程值不值得看，先看标题里有没有具体技术问题（切分策略、重排、评测）；什么时候标题开始聊评测集、而不是承诺就业，说明内容供给侧成熟了。
觉得有用的话，先收藏。评论区也可以聊聊你看过真正有帮助的教程，我帮你一起核对。
