情境架構取代 RAG 成為自主 AI 的新方案

記憶體數據儲存公司 Redis 正在開創一種名為「情境架構」的新方法，旨在取代傳統的檢索增強生成（RAG），應用於自主 AI 系統。此舉是因為企業 AI 代理在處理當前數據檢索方法的限制時，日益陷入困境。根據 Redis 的說法，生產環境中的 AI 代理失敗並非因為底層模型出錯，而是因為它們所依賴的數據分散、過時且結構不良。 RAG 一直是將 AI 模型紮根於外部知識的主流範式。它的運作方式是從資料庫中檢索相關文件，並將其作為情境輸入模型。然而，隨著 AI 代理變得更加自主，並處理複雜的多步驟任務，RAG 的限制也變得明顯。檢索到的數據通常是靜態的、過時的，或者與代理當前的情境連結不足，導致決策不準確或不可靠。 情境架構旨在透過提供一個更動態、即時的數據層來解決這個問題。該系統不是提取靜態文件，而是維護一個持續更新的相關情境表示，包括最近的互動、變化的業務數據以及環境信號。這使得 AI 代理能夠在需要時準確獲取最新、相關的資訊，而無需承受傳統檢索管線的延遲和脆弱性。 對於企業應用而言，這種轉變可能具有變革性。以一個需要處理複雜退款請求的客服代理為例。使用 RAG，它可能會檢索到過時的政策文件。而使用情境架構，它將能夠即時存取客戶的歷史記錄、當前庫存水平以及最新的政策變更，從而做出更準確、更個人化的回應。 Redis 將此定位為 AI 基礎設施的下一次演進，特別是針對那些自主運作的代理系統。該公司認為，隨著 AI 代理承擔更多關鍵任務，它們所依賴的數據品質將變得至關重要。情境架構代表了在企業環境中為 AI 提供資訊方式的根本性轉變，從靜態檢索轉向動態、即時的情境理解。