上下文即基础设施：Agentic RAG的知识编译层

检索增强生成（RAG）正在变得"智能体化"——搜索过程不再是一次性的向量检索，而是由智能体（Agent）编写查询、读取结果、重新表述，并自行决定何时停止。这种"搜索外挂"（harness）在很大程度上解决了准确率问题：仅凭 BM25/grep 和 MiniMax M3，在没有编译索引或向量索引的情况下，某次运行在 BrowseComp-Plus 上达到 85%，在多跳 FRAMES 上达到 91%。但它同时暴露了一个更隐蔽的问题：上下文。一个缺乏纪律的循环会重复查询、反复读取文档，把窗口塞满未使用的段落。缺失的一层，是知识编译（knowledge compilation）。

搜索外挂解决了准确率，却制造了上下文问题

传统 RAG 的核心是"检索—拼接—生成"，而 agentic RAG 把检索变成一段有状态的探索过程。搜索外挂会写查询、读结果、改写查询、再决定是否继续。原文作者指出，这套机制在准确率上已经足够好：一个只配备 BM25/grep 和 MiniMax M3 的外挂，在 BrowseComp-Plus 上回答对 85%，在多跳 FRAMES 上达到 91%，完全不需要编译索引或向量索引。

问题出在"上下文经济"上。没有纪律的循环会反复查询同一内容、重读文档、把大量未使用的段落填进上下文窗口。准确率上去了，但 token 成本、延迟和上下文污染随之而来。换句话说，agentic 检索把"找得准"变成了一个相对容易的问题，却把"喂得省、喂得对"留成了空白。

BM25 是一种经典的稀疏检索算法，基于词频（TF）、逆文档频率（IDF）和文档长度归一化对查询与文档的相关性打分，无需训练即可工作，常用于关键词匹配场景。grep 则是文本搜索工具，按正则或字面模式逐行匹配，适合在无索引的原始文本中快速定位。两者共同点是无需预构建向量索引或编译索引，直接对原始语料操作，因此常被用作智能体搜索外挂的轻量级基线。在 agentic RAG 中，智能体可以反复调用这类工具，根据返回结果改写查询，而非依赖一次性向量相似度检索。原文中“仅凭 BM25/grep 和 MiniMax M3”即指这种极简配置，说明准确率提升主要来自智能体的查询规划与迭代，而非检索器本身的复杂度。

知识编译：不是更好的检索器，而是供给层

作者提出的解法是知识编译：一条可配置的摄取流水线，由 LLM 为文档补充任何单个 chunk 都无法独立承载的上下文——带"主张—证据"叶节点的导航层级、实体图、时间线、思维导图、本体、wiki 和记忆。

这里有一个重要的澄清：编译产物不是更好的检索器。原文明确写道，在能力合格的外挂之下，结构化产物在 FRAMES 上没有可检测的准确率增益；PageIndex 风格的大纲在规模变大时甚至出现退化。编译层的价值不在于"搜得更准"，而在于供给：把上下文以编译好的、可治理的形态交给模型，而不是交一堆排序后的段落。

这一区分很关键。它意味着评估知识编译的指标不应该只是准确率，而应该包括 token 消耗、延迟、可治理性和集成成本。原文给出的导航树机制——叶节点是"主张—证据"对——在证据充分时把查询 token 削减 91%，在证据不充分时反而增加 1.9%，平均削减 38%。按这组数据推算，盈亏平衡的充分率约为 2%，而实测充分率接近 43%。这是一个相当宽的利润区间，说明编译产物在真实负载下大概率是划算的。

PageIndex 风格的大纲指一种将文档组织为层级目录（如章节树）的索引结构，类似书籍的目录页，用于导航和定位内容。其优势是结构清晰、可解释性强，但原文指出，当文档规模变大时，这种大纲会出现退化——层级过深或节点过多导致检索效率下降、上下文膨胀，甚至准确率不如扁平检索。这呼应了“编译产物不是更好的检索器”的论点：结构化大纲在规模扩展时未必优于简单检索，其价值需结合供给场景评估。

决策门与延迟权衡

编译不是免费的。原文提到一个决策门（decision gate）把延迟从 140 秒压到 30 秒，但替代机制省下的 token 是用检索轮次换来的，本身也带有延迟成本。这里存在一个清晰的权衡结构：导航树压缩的是"喂进去的上下文"，决策门压缩的是"不必要的探索"，两者针对的是循环的不同环节。

这也提醒我们，agentic 系统的优化不能只看单一指标。省 token 可能增加轮次，减轮次可能牺牲召回，最终要在一个多目标函数上找平衡点。原文说的"盈亏平衡充分率"，本质上是在问：在什么样的证据充分率下，编译产物的成本才能被收益覆盖。实测充分率接近 43%，远高于 2% 的平衡点，说明这条路在统计上是成立的。

盈亏平衡充分率是衡量知识编译经济性的一个派生指标：当证据充分时，编译产物（如导航树）能显著削减查询 token；当证据不充分时，反而可能增加 token 消耗。设充分时节省比例为 s，不充分时增加比例为 i，则平均节省 = s × p - i × (1-p)，其中 p 为充分率。令平均节省为零，可解出盈亏平衡充分率 p* = i / (s + i)。原文中 s=91%，i=1.9%，代入得 p* ≈ 2%。实测充分率接近 43%，远高于平衡点，意味着在真实负载下编译产物的 token 收益大概率覆盖成本。这一指标为评估编译层是否划算提供了量化依据。

其他编译产物的价值在部署侧

本体、图、wiki、时间线、思维导图和记忆这几类产物，在准确率基准上看不出优势。原文的判断是，它们的回报出现在部署阶段：治理、集成、上手、时间定向和连续性。这些都是基准测试看不见的地方。

这个观察对工程团队有直接意义。如果你的评估只看 FRAMES 或 BrowseComp-Plus 这类准确率指标，你可能会得出"知识编译没用"的结论；但真实系统的痛点在别处——新成员如何理解数据、权限如何治理、跨系统如何集成、对话如何保持连续性。这些恰恰是编译产物擅长的领域。

RAGFlow 的五站流水线与 Agent 原生数据库

原文描述了 RAGFlow 的流水线和外挂（开源地址：https://github.com/infiniflow/ragflow），把 agentic 循环拆成五个有纪律的站点，核心目标只有一个：让进入模型的上下文始终是最小充分集。

作者把这一组合称为"agent 原生数据库"：一个把编译好、可治理的上下文交给 agent 的存储层，而不是返回一个排序后的段落列表。这个定位值得注意——它把 RAG 从"检索管道"重新定义为"上下文基础设施"，检索只是其中一个环节，编译、治理和供给才是长期价值所在。

对正在构建 agentic 系统的团队来说，这意味着架构重心需要前移：与其不断调优检索器，不如先想清楚上下文如何被编译、如何被治理、如何以最小充分集进入模型。准确率的天花板往往不在检索器上，而在供给层的设计上。