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，许多供应商声称最初的RAG管道架构正变得过时。 这种转变是由早期RAG系统的局限性驱动的，这些系统的工作方式很像基本的搜索引擎，在特定的时间点检索特定查询的结果，而且通常仅限于单一数据源。

几十年来，数据格局相对稳定，以关系数据库为主。 然而，NoSQL文档存储、图数据库，以及最近的基于向量的系统的兴起，打破了这种稳定性。 根据Sean Michael Kerner在2025年末为VentureBeat撰写的文章，代理式人工智能时代带来了数据基础设施的快速发展时期，其速度超过了近期记忆中的任何时候。

早期RAG的核心问题在于其静态性。 它基于特定时间点的特定查询来检索信息，缺乏更复杂的人工智能应用所需的动态适应性。 这促使人们开发更复杂的数据检索和集成方法。

RAG的局限性突显了一个更广泛的趋势：数据在人工智能时代日益重要。 随着人工智能模型变得越来越复杂，它们对高质量、易于访问的数据的依赖呈指数级增长。 这导致人们重新关注数据基础设施，并开发新的工具和技术来有效地管理和利用数据。 围绕RAG未来的争论强调了人工智能领域的动态特性，以及对更高效、更有效的数据利用方式的持续探索。