2026 年 RAG 圈最大的变化，是「检索」这件事本身在被 Agent 化：从「一次向量搜索」演变成「模型自己决定查几次、查什么、怎么查」。演进方向没问题，但每一层演进都在加 token、延迟和不确定性——写这篇是想把演进谱系和各自的适用边界讲清楚，让你按需取用，而不是追最新。
演进谱系（按引入成本排序）
第一代：单次检索 RAG（一次向量搜索 → 生成）
- 解决：知识问答的地基。
- 局限：用户问法一变就召回失败；多跳问题（「A 产品的销量在 B 区域的比例」）答不了。
- 成本：最低，可控性最好。
第二代：工程化 RAG（混合检索 + 重排 + 引用）
- 在单次检索上加：BM25 混合、RRF 融合、重排模型、引用来源。
- 解决：精确术语、同义改写、可验证性——90% 的知识库项目做到这代就够用了（做法见第 1 章）。
- 成本：可控，工程投入主要在一次性的链路建设。
第三代：模块化 / 多跳 RAG（查询改写、子查询拆分、迭代检索）
- 把「一次检索」改成「检索 → 判断不足 → 改写再查」的有限循环。
- 解决：多跳、需要组合多文档答案的问题。
- 成本：每次迭代都是新 token 和延迟；需要终止条件，否则会为追求完美无限检索。
第四代：Agentic RAG（模型自主决定检索策略、工具与停止时机）
- 模型像 Agent 一样规划整个回答过程：决定查哪个库、要不要查外部工具、何时停下。
- 解决：开放、需要动态策略的任务。
- 成本：最高——不确定性最大，token 与延迟不可预测，必须有严格护栏（Agent 工程篇的终止与降级全部适用）。
旁支：GraphRAG（先建实体关系图，按图检索）
- 解决：需要「关系推理」的问题（「哪些模块依赖这个库」「谁影响了谁」）。
- 代价：建图成本高、更新难——适合关系密集且相对静态的知识域，不是通用答案。
怎么选：先按「问题形态」定位，别按「最新技术」定位
| 你的问题形态 | 用哪代 | 理由 |
|---|---|---|
| 高频单点问答（政策、FAQ） | 第二代 | 便宜、快、可控，够用 |
| 低频但复杂（多条件组合） | 第三代 | 有限多跳，代价可控 |
| 开放探索（研究、分析） | 第四代 Agentic | 值得为不确定付钱 |
| 关系推理（依赖/血缘） | GraphRAG | 只有这类问题值得建图 |
一个反直觉的判断：多数线上流量是「高频简单」问题，应该走第二代；Agentic 只留给低频复杂路径。把 80% 的流量跑在可控的链路上，把 20% 的难题留给智能——成本和稳定性的最优解几乎总是这样。
演进时的三条原则
- 先加工程，后加智能：检索质量没做扎实（混合检索、重排都没上）就跳到 Agentic，等于在沙地上盖智能楼——先回第 1 章把地基打平。
- 每次演进都带回退开关：新链路灰度、可对比（同一问题集新老链路各答一遍），效果变差能一键回退。
- 用问题集做基线：攒 100 条真实问题（含难度分级），每次架构演进都在这套题上跑分——没有基线，你根本不知道「演进」是进步还是退步（评测口径见可观测篇）。
落地清单
- 按问题形态定位：你的流量哪代方案吃得住
- 第二代工程（混合检索/重排/引用）打底
- Agentic/多跳只给复杂低频路径，带终止条件
- 攒 100 条真实问题集做基线，演进可对比
- 新链路灰度 + 回退开关
相关：RAG 生产落地 ｜ Agent 应用开发 ｜ 分层参考蓝图