文章探讨了Claude Code团队放弃RAG改用Agentic Search的原因，包括效果更好、解决代码实时更新问题和安全性顾虑。对比了代码编辑领域的三种技术路线：实时搜索派、基于图结构的智能索引派和混合RAG+高级技术派。指出RAG本质是"空间换时间"，适合静态知识问答，而Agentic Search适合动态探索任务，两者可根据场景有机结合。

---

引言

最近看到有一些文章提出了“RAG已死”的观点。

核心论据是 Claude Code 开发负责人 Boris Cherny 在一档播客节目[1]中，披露现在的 Claude Code已不再使用RAG，而改用 Agentic Search。

他的主要观点如下：

起初采用RAG路线，将整个代码库索引一遍，然后用 Voyage 这类检索器上，让模型用提示去查找信息，用的是标准模板。

但到最后，团队放弃了结构化检索，转而选择了最简单粗暴的办法：Agentic Search。
主要有以下三个原因：
第一，它比RAG强，不是说跑了什么标准测试，是纯“体感”，内部测了一圈，每个人一致觉得更聪明更顺滑；
第二，RAG要建索引，代码一变就过时，一天几次推送，索引没法实时更新；
第三，安全问题。索引如果被泄露，会出现安全性问题。

什么是 Agentic Search

Claude Code 用的 Agentic Search 指的是让AI自主去搜集相关信息。

主要方式很简单，用的就是Glob和Grep这样的传统工具，在源码文件中全文搜索匹配[2]：

• Glob：查文件路径：匹配符合通配符模式的文件名或路径
• Grep：查文本：搜索包含某字符串或正则的文本行

Claude Code 在使用时，会有一些Read的步骤就在做此操作。

Coding 领域的路线之争

在 Coding Agent领域，其实存在以下三种技术路线[3]：

• 第一组：完全抛弃RAG的实时搜索派
  Cline 和 Claude Code
  相似点：都完全放弃了传统的RAG方法，采用实时动态搜索
• 第二组：基于图结构的智能索引派
  Aider
  使用AST+图结构，将代码文件作为节点，依赖关系作为边，通过自定义排名算法（不是PageRank）优化代码映射
• 第三组：混合RAG+高级技术派
  Cursor 和 Windsurf
  相似点：都使用embeddings向量化+RAG，但加入了很多高级技术
  区别：

• Cursor：使用OpenAI的embedding模型+TurboPuffer向量数据库，实验DSI技术，支持云端分布式架构
• Windsurf：使用”M-Query技术”+本地/远程混合索引，专注企业级部署，有Cascade代理系统

Agentic Search 在目前的效果上优于 RAG，但代价就是需要花更长的时间进行检索，以及花更多的Token。

RAG本质

RAG本质是空间换时间，知识库和数据库有点异曲同工，比如在 MySQL中，会通过构建B+树索引的方式，去加速查询。

所谓索引，就像给一本书加一个目录，需要用额外的纸张去记录，但提升了查询效率。

再比如一些检索库，ES会采用倒排索引，就是花额外的时间去构建一个倒排表，统计哪些词出现在哪些文档之中：

词项（Term）	出现在哪些文档中（Doc IDs）
我	[1]
喜欢	[1]
吃	[1]
苹果	[1, 2, 3]

RAG的局限是必须花额外的空间进行存储，并且需要提前把材料准备好，但对于一些高频修改的场景，如代码库，会存在时效性问题。

总结

总而言之，到底采用 RAG 还是 Agentic Search 需要分场景讨论：

• 如果是问答类应用场景，知识基本固化，采用 RAG 的方式更好，不会让用户等待特别长的时间
• 对于高频动态的场景，比如代码编辑的场景中，信息更迭加快，用 Agentic Search 反而能取得更好的效果

特征	RAG	Agentic Search
架构	检索+生成	推理+多轮搜索
智能水平	弱	强
成本	低	高
实时性	弱	强
可控性	强	弱
最佳用途	静态知识问答	动态探索与分析任务

这两者是可以有机结合的，参照[4]一些复杂Agent的理论，记忆层分成以下四种类型，而RAG可以作为外部记忆，让Agent像调用工具一样进行获取。

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】