主要观点：生产中的检索增强生成（RAG）系统存在一个秘密，即最难的部分不是构建而是保持更新。传统 RAG 系统多采用收集、处理、存储文档再查询的模式，适用于不变的文档，但业务用例不同，如查询订单状态等，传统方式需导出数据处理后存储，导致信息过时。Anthropic 发布的模型上下文协议（MCP）改变了这一状况，使直接查询实时数据源像搜索文档一样简单，生产 RAG 系统应是静态和实时的混合架构，静态用于大型文档集等，实时用于运营数据等，同时也面临 API 速率限制等挑战，未来 RAG 是静态与实时混合，MCP 已出现且工具存在，组织需尽快采用。
关键信息：

• 传统 RAG 系统构建后易因现实变化致知识过时，需专人维护。
• MCP 可让直接查询实时数据源更易，改变 RAG 系统模式。
• 生产 RAG 系统应是静态（如大型文档集）和实时（如运营数据）的混合架构。
• 混合架构需智能路由确定使用数据源，如电商客服系统。
• 实时 RAG 带来 API 速率限制等挑战，需采取相应措施。
  重要细节：
• 公司收集、处理文档花费时间，launch 时一切美好，之后因现实变化知识过时。
• 传统 RAG 回答“订单状态”需导出数据处理存储再查询，信息滞后。
• MCP 使查询实时数据源像搜索文档，知识基变为实时系统。
• 静态 RAG 适用情况如大型文档集、非结构化内容等。
• 实时 RAG 适用情况如运营数据、个性化数据等。
• 混合架构中查询路由根据需求确定数据源，如电商客服系统同时使用静态和实时数据。
• 实施 MCP 时需考虑 API 速率限制、成本、可靠性、认证等问题。
• 静态知识基将成为少数用例，“知识基管理员”角色将转变，实时将成为期望，混合架构将是标准。