横向对比

一句话 — RAG 从文档里找答案。Agent 去做事。真实系统几乎都是两者结合：RAG 提供上下文，Agent 基于上下文行动。难点不是选哪个，而是分清楚你问题的哪一层属于哪种模式。 为什么这个对比在现在很重要 过去半年发生了两件事，让 RAG vs Agent 不再是纸上谈兵。 第一：coding agent 在 2025 年 11 月跨过了质量门槛。Simon Willison 在 PyCon 闪电演讲里把这个时刻总结为 agent 从"经常能用"到"基本都能用"——可以作为日常生产力工具了，不再只是 demo。同一个月里 Anthropic、OpenAI、Google 之间的"最强模型"头衔换手了 5 次。 第二：模型实验室自己在转型。Greg Brockman 直说：“模型本身已经不再是产品。” AI21 关闭了模型团队转去做 agent。DeepSeek 第一次组建了 “Harness 团队”。Latent Space 把这个趋势总结为 “所有模型实验室现在都是 agent 实验室”。 当训练模型的人都开始说"模型不是产品"的时候，怎么把模型接到系统里就成了真正的工程问题。RAG 和 Agent 是两个主流答案，解决的问题不一样，选错了会浪费大量 token。 心智模型 RAG：先检索，再生成 RAG 是固定的四步流水线： 用户提问 │ ▼ Embedding 模型 → 向量 │ ▼ 向量库 / 搜索索引 → 取最相关的 top-K 片段 │ ▼ 片段拼进 LLM prompt 作为上下文 │ ▼ LLM 基于检索内容写一次答案 一次检索，一次生成。便宜、确定性高、易于 debug。 ...

一句话 — 华为在 IEEE ISCAS 2026 发布的韬(τ)定律，把摩尔定律的"缩晶体管尺寸"换成"缩时间常数 τ"，覆盖整个计算栈。论文是真的，量产数据是具体的，但"自登纳德以来第一个缩放定律"这个口号经不起细看。本质上这是一篇扎实的 3D 集成工程论文，外面包了一层关于中国如何在没有先进光刻的情况下做高性能芯片的战略叙事。 发布概况 2026 年 5 月 25 日，IEEE 国际电路与系统研讨会（ISCAS）在上海举行。华为半导体业务部总裁何庭波做主旨演讲，题为《半导体新路径探索与实践》。核心内容：一个新的缩放原则，华为命名为韬(τ)定律，对外宣称是"中国首个系统性半导体产业发展原则"。 同日，论文《A Time Scaling Theory for Multi-Layer Electronic Systems》提交到 ChinaXiv 预印本平台（ChinaXiv:202605.00224）。几小时内阅读量超过 3 万、下载量超过 1.3 万——这在预印本平台上不常见。 这件事值得认真对待，正因为它是论文，不是 PPT。 核心 reframe 过去 60 年，摩尔定律靠"缩晶体管尺寸"推动半导体进步。论文开篇承认行业共识： “For six decades, Moore’s geometric scaling drove progress in semiconductors… returns from pure dimensional shrinking have flattened, leading-edge design budgets exceed one billion dollars per chip, and cost-per-transistor at the most advanced nodes is no longer falling.” ...