随着2026年的临近，检索增强生成（RAG）在人工智能中的作用正受到激烈讨论，许多人质疑其当前形式的长期可行性。最初的RAG管道架构，其功能类似于基本搜索，由于其在检索信息方面的局限性而面临越来越多的批评。

据业内专家称，传统RAG的核心问题在于其时间点查询检索。这意味着系统在查询发出的确切时刻找到特定于该查询的结果。此外，早期的RAG实现，特别是2025年6月之前的那些实现，通常仅限于单一数据源。这些限制助长了供应商之间日益增长的观点，即最初构想的RAG正变得过时。

几十年来，像Oracle这样的关系数据库主导着数据领域，将信息组织成行和列。然而，这种稳定性已被NoSQL文档存储、图数据库以及最近的基于向量的系统所打破。自主代理人工智能的兴起加速了数据基础设施的演变，使其比以往任何时候都更具活力。

RAG的局限性突显了一个更广泛的趋势：在人工智能时代，数据的重要性日益增加。随着数据基础设施的发展，对更复杂和通用的检索方法的需求变得至关重要。围绕RAG的争论反映了人工智能社区正在发生的一个更大的转变，即探索数据管理和利用的新方法。数据检索的未来可能涉及更复杂和适应性更强的系统，这些系统可以克服当前RAG管道的局限性。