上下文架构取代RAG，用于智能体AI

内存数据存储公司Redis正在开创一种名为“上下文架构”的新方法，旨在取代用于智能体AI系统的传统检索增强生成（RAG）。此举正值企业AI智能体越来越难以应对当前数据检索方法的局限性。据Redis称，生产环境中的AI智能体失败并非因为底层模型出错，而是因为它们所依赖的数据分散、陈旧且结构不良。 RAG一直是将AI模型与外部知识相结合的主流范式。它的工作原理是从数据库中检索相关文档，并将其作为上下文输入模型。然而，随着AI智能体变得更加自主并处理复杂的多步骤任务，RAG的局限性变得明显。检索到的数据通常是静态的、过时的，或者与智能体的当前上下文关联不足，导致决策不准确或不可靠。 上下文架构旨在通过提供更动态、实时的数据层来解决这一问题。该系统不是拉取静态文档，而是维护一个持续更新的相关上下文表示，包括最近的交互、变化的业务数据和环境信号。这使得AI智能体能够在需要时立即访问新鲜、相关的信息，而无需承受传统检索管道的延迟和脆弱性。 对于企业应用而言，这一转变可能具有变革性。考虑一个需要处理复杂退款请求的客服智能体。使用RAG，它可能会检索到过时的政策文档。而使用上下文架构，它将实时访问客户历史记录、当前库存水平以及最新政策变更，从而能够做出更准确、个性化的回应。 Redis将这一方法定位为AI基础设施的下一次演进，特别是对于自主运行的智能体系统。该公司认为，随着AI智能体承担更多关键任务，数据层的质量将……