去年，“企业知识库”是 AI 落地阻力最小的一个项目，各家都在搭建自己的知识库，米哈游、银行、政企机构都在做。但到了今年，这个词突然没人喊了。
这是怎么回事? RAG 凉了吗?
RAG 没死，但它被拆分并吸收进了现在模型的各个环节：
1. 长上下文的挤压：
上下文把很多中小型知识库整个吞掉了。去年 128k 上下文还是个奢侈品，但今年所有主流通用模型里，1M 上下文已经成了标配。几十万字的中型知识库，现在可以直接整本塞进上下文中，不用检索、不用调分、不用抗索引。
这样一来，RAG 的价值区间被压缩成了两类：一是大到装不下的知识库，二是需要极其精准命中的知识库。
2. Agent 架构的吸纳：
今年流行 Agent(Agent = Model + Harness)。在今年的 Agent 化趋势下，RAG 已经降级成了 Agent 的一个工具，或者说记忆检索插件。该不该搜，由 Agent 自己来决定。比如阿里的 Qoder，或者 DeepSeek 的 Harness，记忆检索与知识检索本来就是众多插件中的一个，在架构上被天然吸纳了。因此在独立叙事上，RAG 天然就熄火了。
今年还有一个新词：持续学习与 AI 的自我进化。
这就是所谓的新叙事，也是新的投资方向：知识到底应该存在哪里?以前我们的知识都是写在知识库里，而现在 know-how 类的知识，很可能会直接写进权重里。
这方面的代表就是 SSI 那一套 TTT(Test-Time Training)快速权重机制：每次使用时都会快速更新自我权重，不用检索，也不用塞上下文。这种自我进化的新叙事，比单纯的 RAG 吸引力大太多了。我自己也搭建过知识库，对此深有体会。
