最近谷歌发布了 Gemini 2.0 Flash，说实话，它可能是目前市面上性价比最高的 AI 模型了。
许多人写过关于 RAG 可能不再需要的文章，也可以看到人们在讨论它。有些人理解，有些人不理解，还有些人非常担心。
所以让我们解释一下：
RAG 到底是什么？
为什么它可能不再像我们过去认为的那样必要？
如果你正在构建 AI 相关的东西 ------ 或者只是好奇 ------ 为什么你应该关心它？
RAG 到底是什么？
如果你是 AI 领域的新手，那么请记住，RAG 代表检索增强生成（Retrieval-Augmented Generation）。它一直是一种常用技术，用于帮助 ChatGPT 等 AI 模型访问其原始训练数据中没有的外部信息。
你可能在不知不觉中见过它的实际应用。
用过 Perplexity 或必应的 AI 搜索吗？当它们在回答你的问题时进行搜索，这就是 RAG 在起作用。甚至当你将文件上传到 ChatGPT 并询问相关问题时 ------ 这也是 RAG。
RAG 如此重要的原因是，AI 模型过去的记忆窗口非常小。回到 2023 年初，当时模型只能处理约4000 个 token（相当于 6 页文本）。这意味着如果你有大量信息，而 AI 无法 "记住" 所有内容 ------ 你必须将其分解，以特殊方式存储（嵌入、向量数据库、分块等），然后在需要时检索正确的部分。
但现在？忘了吧。
这是传统 RAG 的处理流程：
Gemini 2.0 Flash（RAG杀手？）
是的，你没听错！如今所有AI模型都能一次性处理海量信息。
但Gemini 2.0呢？ 它能处理高达100万 token。有些模型甚至达到了200万。
这意味着你不再需要将数据切成小块并研究如何检索------现在可以直接将完整数据导入模型，让它一次性对所有内容进行推理。
最关键的是------这些新模型不仅记忆容量更大，还精准得多。谷歌的最新模型拥有我们见过的最低幻觉率（即"编造内容"的概率）。 仅凭这一点就带来了巨大改变。
Gemini 2.0直接文档处理
为什么这会颠覆一切？
举个真实场景的例子：
假设你有一份财报电话会议记录------长达5万token（非常庞大）。 如果使用传统RAG，你必须将其拆分成512-token的小块并存储。 当有人提问时，你需要抓取最相关的片段并输入AI。
问题在于：你无法对整个文档进行全局推理。
试想这样一个问题：
"这家公司的营收与去年相比如何？"
如果只抓取小片段，你可能无法获得完整信息。但如果将整个文档记录输入Gemini 2.0呢？它能通览所有内容------从CEO的开场白到中间的财务数据，再到他们回答分析师问题的内容------并给出更优质、更周全的答案。
所以当我们说"RAG已死"时，意思是：
传统RAG处理方式（将单个文档拆分成块）已经过时了。
你不再需要它。只需将所有内容喂给大模型，让它施展魔法即可。
不过，RAG 并未完全消亡
现在，有人会问：
"如果我有10万份文档呢？"
这个问题很合理！
如果你在处理海量数据集（比如苹果过去十年的所有财报），仍然需要一种筛选方法。但即便如此，处理方式也不同了：
-
先搜索相关文档（例如只提取2020-2024年的苹果财报会议记录）。
-
将完整文档并行分别输入AI模型。
-
合并响应并生成最终答案。
这种方法比传统分块法精准得多------它让AI能够真正基于完整文档进行思考，而不是被迫处理碎片化片段。
下图展示了处理大型文档集的现代方法流程图：
核心结论
如果你在构建AI产品或进行实验，记住要保持简单，很多人会在没必要时把事情复杂化。只需将完整文档上传到Gemini 2.0（或任何大上下文AI模型），让它处理推理即可。
一年后情况会变吗？很可能。AI模型正变得更便宜、更智能、更快。但就目前而言，传统RAG方法已成为过去式。把数据扔进谷歌的新模型，用更少的麻烦获得更好的结果。如果你有文档需要分析，不妨试试------可能会惊讶于一切变得如此简单。