AI 科普达人 New Machina 介绍了一种新的智能体设计思路：智能体 RAG。
传统的 RAG 模式已经在实践中证明了其价值。它通过将大语言模型与向量数据库结合，能够实时检索相关信息并生成更准确的回答。但这种模式存在一个局限：检索过程是一次性的，且大语言模型只有一次生成响应的机会。这就好比让一个人在只能查阅一次资料的情况下直接给出最终答案，而不能根据需要多次查证和思考。
而这种 “智能体RAG” 能够突破这一限制。在这种新的模式下，大语言模型可以像人类专家那样，根据初步推理结果判断是否需要获取更多信息，然后有针对性地调用不同的检索工具，甚至可以在多个数据源之间交叉验证。这种 "推理-行动" （ReAct）的交替过程使得系统能够逐步完善其理解，最终得出更全面准确的答案！
拆成可复用角色；hermes-agent 主打任务后自动沉淀技能、让智能体越用越聪明；Superpowers 以测试驱动流程串起开发全链路；Paperclip 则尝试用多智能体编排“零人工公司”。
Notion AI工程负责人Ryan Nystrom仅用三小时，借助Codex将移动端语音输入功能一次性迁移至网页与桌面端，全程单人操作、提示即生成可上线的生产级代码，印证AI辅助开发已能支撑真实产品迭代。
领导力专家Vinciane Beauchene指出，“AI会抢工作吗”是伪命题——真正关键在于人机分工重构：AI处理任务，人专注关系、信任与真实互动。她警示三大认知误区，并强调ACI（自主智能体）已迫近，企业需以战略为先，系统投入持续性人才成长。
围绕《智能体 RAG：大语言模型应用的新模式》展开交流，未登录用户可浏览评论，登录后可参与讨论。
