即使2025年了，RAG也不会被淘汰

RAG（检索增强生成）自从第一个大上下文窗口的LLM（大语言模型）发布以来，就逐渐式微。

一些值得注意的“RAG死亡”时刻包括：

• 2023年5月：Anthropic 的 Claude，具有 100k token 的上下文窗口
• 2024年2月：Google 的 Gemini 1.5，具有 1M token 的上下文窗口
• 2025年3月：Model Context Protocol 让你可以直接与数据进行对话

现实是这样的：

即使拥有令人印象深刻的 2M token 上下文窗口，目前的长上下文 LLM 仍然只能处理简单数据集。

例如，一个 1M token的上下文窗口大致相当于 1500 页文档。

对于演示来说很不错，但对于生产级应用来说仍然不足。

但假设我们拥有一个上下文窗口，支持无限的tokens：

• 可扩展性和成本：处理数百万 token 的速度很慢，并且在计算和财务上都非常昂贵。即使计算成本有所下降，延迟仍然是应用中的大问题。
• 性能退化：LLM 仍然面临“丢失在中间”的问题。这是指它们无法有效利用长文本中间部分的信息。通过消除无关文档，避免“找针”情景，你能获得更好的结果。
• 数据隐私：为基础模型提供所有数据可能会引发严重的数据隐私问题。特别是在高度监管的行业，如医疗保健或金融服务，你需要实施基于角色的数据访问控制。

结论：你需要长上下文 LLM 和 RAG。

但由于“RAG”这个术语似乎如此具有争议，我们可以这样说： 我们不必称之为 RAG。 我们可以称其为简单的检索，或者是上下文策划。

无论你决定称之为何，能够控制输入上下文窗口的数据质量，将决定生成输出的质量。

毕竟，garbage in, garbage out（垃圾进，垃圾出）。

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。