先建立位置感

RAG 解决「模型没读过你的文档」；Agent 解决「模型要连续行动」。两者常被揉在一篇里，读的时候先分开：文档怎么进索引，查询怎么召回，工具怎么调用，网关怎么治理流量。

角色与产品定位

  1. Embedding、Rerank 和 LLM：它们在 RAG 里分别干什么
  2. RAGFlow 是什么：它在 RAG 系统里的位置
  3. AgentScope 2.0：从第一个 Agent 到工具调用
  4. Higress：从 API 网关到 AI Gateway

RAG 工程

  1. RAG 是一条链路：从文档入库到带引用的生成
  2. RAG 文本怎么切：固定窗口、父子块与 Late Chunking
  3. RAG 检索为什么不准：多路召回、MMR 与 Query rewrite
  4. RAG 为什么会胡编：拒答、门控和引用核查
  5. RAG 怎么验收：Hit@K、Ragas 和线上指标
  6. RAG 文档改了怎么办：删除、版本号和 Upsert
  7. RAG 向量库怎么选：Chroma、pgvector、Qdrant 和 Milvus
  8. RAG 怎么处理 Word 和扫描 PDF：版面还原和表格通道

Agent 工程

  1. Agent 循环怎么选：ReAct、先规划再执行与反思
  2. Agent 上下文撑不住怎么办：窗口、外置检索和衰减
  3. Agent 怎么停、怎么回放：取消、预算和 trace
  4. Agent 为什么要沙箱：隔离检索、工具和密钥
  5. Multi-Agent 什么时候才该上：角色边界、编排和验收

编排框架

  1. LangChain 提供什么：提示词、LCEL 与可组合组件
  2. LangGraph 管什么：State、边和人机协同
  3. CrewAI 适合什么：角色、任务和 Crew 编排

链和积木用 LangChain；循环、分支、HITL 用 LangGraph；角色制小队用 CrewAI。完整 Runtime、权限和 Sandbox 仍看上面的 AgentScope。

选型时只问三个问题

  • 文档解析和权限是不是核心竞争力？不是，优先平台；是，再拆 Parser / Retrieval / 权限模型。
  • Agent 要不要碰文件系统或生产数据？要，先做沙箱和工具白名单，再谈 Multi-Agent。
  • 要不要统一多家模型的密钥、限流和账单？要，网关层（Higress 一类）比每个业务自己接 SDK 更合适。