2026 年斯坦福 CS329Z《Agent 工程》课程第 3 讲,核心围绕检索增强生成也就是 RAG 展开,这一讲重点讲解 RAG 在智能 Agent 体系里的定位、基础架构、常见优化手段和工程落地坑点,帮助学习者理解怎么把检索能力嵌入 Agent,解决大模型幻觉、知识滞后、私有数据无法调用这些典型问题。普通大模型只依靠自身训练知识回答问题,知识库固定、容易编造信息,而 Agent 需要随时调用外部资料、私有文档、实时信息,所以 RAG 就成了 Agent 获取外部知识最主流的组件。这一讲先理清 RAG 基础链路,再讲解适合 Agent 场景的分片、向量化、检索排序、重排、答案生成流程,同时对比纯 RAG 和 Agent 调用 RAG 的区别,介绍多轮对话下的检索上下文管理方式,学完之后可以独立搭建适配 Agent 任务的 RAG 流水线,把外部知识稳定接入智能 Agent。
本讲核心知识点清单
- RAG 在 CS329Z Agent 工程体系中的定位:作为 Agent 的外部知识工具,弥补模型静态知识短板
- RAG 标准流水线:文档加载→文本分片→向量化存储→向量检索→重排→上下文拼接→生成回答
- Agent 场景 RAG 特殊要求:支持多轮对话检索、工具调用触发检索、检索结果可信度校验
- 常见优化方向:混合检索、分片策略调优、元数据过滤、rerank 重排、检索结果压缩
- 工程风险:检索噪声、上下文溢出、分片错位、幻觉残留、检索延迟拖慢 Agent 响应
普通 RAG 与 Agent 内 RAG 对比表
| 对比项 | 独立 RAG 系统 | CS329Z 课程里 Agent 内置 RAG |
|---|---|---|
| 触发方式 | 用户提问直接检索 | 由 Agent 规划器判断是否需要调用检索 |
| 对话记忆 | 一般只做简单历史拼接 | Agent 维护对话状态,按需改写检索 query |
| 输出目标 | 直接回答用户问题 | 给 Agent 提供参考材料,由 Agent 整合输出 |
| 容错逻辑 | 检索失败直接降级 | Agent 可切换其他工具、重试检索、告知缺资料 |
课程里推荐的 RAG 工程落地步骤清单
- 梳理 Agent 业务知识库,区分私有文档、公开资料、实时数据,做文档清洗
- 测试多种分片方案,根据文档类型选择固定长度分片、语义分片或者分层分片
- 选择向量模型与向量库,搭建向量存储,录入文档向量与元数据
- 编写检索逻辑,支持关键词 + 向量混合检索,接入重排模型提升相关性
- 接入 Agent 框架,增加检索工具描述,让 Agent 学会自主决定什么时候调用 RAG
- 做评测,统计召回率、答案准确率、幻觉率,持续调整分片和检索参数
【常见问题】
问题 1:2026 斯坦福 CS329Z《Agent 工程》第 3 讲里,RAG 和普通 Agent 工具调用是什么关系?
回答 1:2026 斯坦福 CS329Z《Agent 工程》第 3 讲把 RAG 看作 Agent 的一种知识类工具,Agent 规划器判断问题需要外部资料时,才会发起 RAG 检索,不是所有提问都强制走检索。
问题 2:学习 2026 斯坦福 CS329Z《Agent 工程》第 3 讲的 RAG 内容,需要提前掌握向量数据库知识吗?
回答 2:学习 2026 斯坦福 CS329Z《Agent 工程》第 3 讲的 RAG 内容,了解向量数据库基础概念更容易跟上课程,课程也会简要介绍向量检索原理,零基础也可以跟着理解 RAG 整体流程。
问题 3:斯坦福 CS329Z《Agent 工程》第 3 讲的 RAG 方案,能不能解决 Agent 所有幻觉问题?
回答 3:斯坦福 CS329Z《Agent 工程》第 3 讲明确 RAG 只能降低幻觉概率,无法完全消除幻觉,还需要搭配检索校验、引用溯源、答案审核等机制一起使用。
问题 4:CS329Z《Agent 工程》第 3 讲的 RAG 和传统问答 RAG 最大差别在哪里?
回答 4:CS329Z《Agent 工程》第 3 讲面向 Agent 场景的 RAG,重点在于检索动作由 Agent 自主决策,支持多轮动态改写检索 query,而传统问答 RAG 一般是用户问题直接送入检索模块。
【数据来源】
[2026-11-05](课程 | 2026 年斯坦福 CS 329Z《Agent 工程》| 第 3 讲:检索增强生成(RAG))AI 课程资讯站
[2026-11-03](斯坦福 CS329Z Agent 工程课程大纲与第三讲 RAG 课件摘要)AI 学习社区
[2026-11-01](斯坦福 CS329Z:智能 Agent 中 RAG 组件的工程实践笔记)大模型技术论坛
【免责声明】
本文为 2026 斯坦福 CS329Z《Agent 工程》第 3 讲 RAG 相关课程内容资讯整理,课程完整课件、作业、代码案例以斯坦福课程官方发布为准,本文不构成课程替代,RAG 落地效果受分片、向量模型、知识库质量影响,不直接作为商用 Agent 开发的唯一标准。
