给 AI 接知识库，像给同事配一套档案柜：如果资料根本没被找出来，再安排更多人复核答案也没用。RAG——先从外部资料中检索证据，再据此生成回答——常被一次性塞入查询改写、重排、反思和 Agent。Tahreem Rasul 提醒，复杂度应由实际测出的失败“挣来”，而不是成为默认配置。
起点可以只是关键词检索：它按词语是否出现来找资料，尤其适合产品编号、人名和原句。若同义表达确实造成漏检，再加入混合检索，把关键词匹配与语义相似度结合；若资料已经找到，只是正确段落排得太后，再用重排模型重新排序。只有问题必须拆成多步、跨多份资料反复寻找证据时，Agentic search——让模型边搜索边调整查询——才真正对症。
这套思路的关键不是排斥复杂系统，而是先把检索与生成分开评估。否则，更多组件只会增加延迟、成本和不确定性，却可能掩盖最简单的病因：关键证据从未进入模型可读的上下文。