Agent 还在搜资料、读文件,RAG 这个词却越来越少见了。它去哪了?
RAG 这个词为什么听着越来越远
最近在看 Agent 相关项目时,我有一个很明显的感受。
前两年学 Agent,折腾 Dify,很多教程都会先拿出一份 PDF。把长文拆成小段,给每一段算出一串数字,方便系统以后找到和问题意思接近的内容。用户提问时,系统先找几段,最后交给模型回答。
一圈配置折腾完,问题还没问,工程已经搭了半天。
RAG 用大白话说很简单。模型不知道你手里的私有资料,那就在回答前,先帮它找几份有用的。
后来数据库、检索和文件处理都逐渐被平台封装起来。开发者不用每次从头搭,RAG 这个词也就没有那么抢镜了。
张雪峰 Skill 这个例子很有意思
张雪峰去世后,GitHub 上出现了一个张雪峰 Skill 项目,现在已经有上万 Star。
项目里有一个示例。河南考生 560 分,想学金融。Skill 先问家里有没有金融行业资源,然后从就业去向和家庭条件继续往下问。
这个回答挺有张雪峰那个味儿。说话直,先问家庭条件,不陪你空谈梦想。
但考生在 2026 年能报哪些学校,还得查当年的招生计划、省排名、选科要求和学校章程。Skill 可以学他怎么问,却不会凭空知道河南今年哪所学校招多少人。
我又点开仓库看了一下。SKILL.md 大约 24 KB,后面还跟着 6 份研究材料,加起来约 60 KB。里面有著作、访谈、表达特征、外部评价、重要决策和人生时间线,另外还有对话示例。
所以这个 Skill 并没有靠一页 Markdown 把十几年经验全装进去。它更像一本经验手册,教 Agent 怎么问、怎么判断。当年招生数据仍然要现查。
这就是 Skill 和 RAG 很实际的分工。
Skill 和 Tool 为什么更容易火
想想我们平时让 Agent 干什么,答案其实很朴素。写代码、改文章、查网页、跑命令,偶尔再帮忙整理邮件和日历。
这些事情大多有现成工具。给 Agent 一个搜网页的 Tool,它就能找资料。给它读文件和跑命令的 Tool,它就能进项目干活。用户不用先整理一套知识库。
Skill 的传播也很简单。它就是一个能看懂的 Markdown 目录,放到 GitHub,别人下载后就能用。规则写得不对,打开文件就能改。这种东西天生适合截图、分享和做教程。
三者管的事情其实不一样。Skill 告诉 Agent 怎么做,Tool 让它有办法动手,RAG 帮它从大量材料里找出这次要用的几份。对大部分个人任务来说,前两个已经能把事情做完,RAG 自然少了出场机会。
Claude Code 一直在搜,只是没喊 RAG
Claude Code 的官方文档里也有一个很具体的例子。
你让它修一个登录问题,它会先搜相关文件,读几处实现,搞清楚调用关系后改代码,最后跑测试。
它没有一上来就把整个项目塞给模型。哪个文件有用,搜到再读。读完发现线索不够,就换个词继续搜。
Anthropic 把这种做法叫作“按需取回文件”。长期规则放在 CLAUDE.md 里,具体代码等用到时再搜。
Claude Code 官方终端图,图源 Anthropic
有人会说,这和早期那套 RAG 不完全一样。确实,它可以用文件名和关键词搜索,不一定要先建向量索引。
但对用户来说,动作…