18 种 RAG 调优输给一个会反复搜索的 AI 循环 — 检索增强的天花板到了

这是什么

本周开源团队 PipesHub 在 Google 的 FRAMES 基准（一套测试 AI 多步推理查资料能力的题库，824 道题）上做了一件事：拿同一套模型和文档，搭了 18 种 RAG（即让 AI 边查资料边回答）方案，对比一个最简 Agent 循环（让 AI 自己决定何时再查一次）。结果：最好的 RAG 方案答对 78.9%，Agent 循环 92.7%，差 14 个百分点——后者几乎等于“直接把答案塞给 AI”。

编辑部的判断：这事不是说 RAG 没用了，而是传统 RAG 的调优（重排序、混合检索、查询拆解）已经接近天花板。真正拉开差距的，是给 AI“再来一次”的权限。

行业怎么看

支持者认为这印证了过去一年的行业转向——单一检索增强不够，AI 必须有工具调用和循环推理能力，才能处理真实业务问题。实验中还有一个细节值得记：模型有时会用“记忆”补空白，即使你明确告诉它只能基于检索到的文档作答，而且这些补出来的答案还带引用，看起来很像回事。

但反对意见同样值得听。第一，这是 PipesHub 本人（在做一个 Agent 类开源产品）在单一数据集上的测试，方法论可能存在偏差；第二，Agent 循环靠多次调用 AI，成本远高于一次 RAG，对预算敏感的项目未必适用；第三，FRAMES 是研究型基准，真实业务问答复杂度通常没那么高，14 个百分点放到生产环境大概率会缩水。

对普通人的影响

对企业 IT：过去两年花大力气搭的传统 RAG 系统，尤其是客服、知识库类项目，可能需要重新评估；“让 AI 多想几步”或许比“把检索做更花哨”更划算。

对个人职场：用 AI 查资料做研究，与其一次性问完，不如让 AI 分步追问、自己决定何时再搜——这是当下成本最低、效果最稳的提效方式。

对消费市场：短期无明显变化，但 Agent 模式会推高 AI 产品后端成本，未来面向消费者的 AI 助手订阅费可能上调。