AWS 为知识库新增两种检索模式，核心判断是：企业 AI 正从“所有问题都用同一套昂贵流程”，转向按问题难度分配成本与时间。

这是什么

Amazon Bedrock Managed Knowledge Base 现在支持单次检索增强生成（Retrieval Augmented Generation，简称 RAG，先从企业资料中找依据，再由模型作答）、仅返回匹配原文的检索模式，以及原有的智能体检索。

三者的区别很具体：单次 RAG 搜一遍资料后生成答案，适合查清单；仅检索模式只提供原始片段，方便应用或员工核对；智能体检索则会拆分问题、连续搜索，发现资料不足时继续补充，再带着引用作答。AWS 用银行开户政策助手说明：查单项要求不必多轮搜索，比较个体户、有限责任公司和合伙企业则需要跨文档取证。

行业怎么看

我们注意到，AWS 正把大模型应用中的成本控制从模型层推进到检索层。过去不少团队为避免答案遗漏，默认启用多轮搜索和自动生成；新模式允许开发者在延迟、费用与答案深度之间做更细的取舍。

但这套能力不是“接上就能可靠”。多轮检索可能扩大数据访问范围，也更依赖权限设置、资料质量和停止条件。若模型错误拆解问题，或检索到过期政策，即使答案附带引用，仍可能把错误包装得更有说服力。

另一个风险是接口趋同、功能趋同。AWS 同时提供简单、智能体和仅检索三种路径后，应用团队仍需建立评估机制，分别测试准确率、引用命中率、响应时间与单次成本；否则，所谓按需配置很容易退化成默认选择最复杂、最昂贵的模式。

对普通人的影响

对企业 IT：知识库建设不必只追求一套“最强”流程。简单咨询可走低成本路径，复杂核查再启用多轮搜索，也有助于按部门核算 AI 使用成本。

对个人职场：内部助手的回答速度和资料范围会更可控，但涉及审批、账户或合规判断时，仍应核对原始文件，引用链接不能替代专业复核。

对消费市场：客服、会员咨询等高频场景会优先获得更快、更便宜的问答体验；不过企业开放“仅看原文”的入口，也意味着消费者更容易检查 AI 究竟依据什么作答。