学习与适应 + RAG：让 Agent 不再每次从零，也不再瞎编
学习让 Agent 从反馈中改进策略，RAG 让它接上你的私有知识——都在上下文层做文章。
立靶：两个让 Agent 永远长不大的硬伤
先看两个真实场景。
第一个：你给 Agent 写了个数据清洗任务，它第一次把日期格式搞错了，你纠正它。第二天同样的任务，它又错了，同样的地方。第三天，还是。它不是笨，是没有学习机制——每一次对话都是一张白纸，昨天踩的坑今天照踩，你纠正一百次也留不下任何东西。这叫「每次从零」。
第二个：你问 Agent「我们公司的报销政策里，机票超过多少要走二级审批？」它给你一个看起来无比自信、格式工整、还带了具体数字的答案。问题是——这个数字是它编的。它根本没看过你公司的报销手册，但它不会说「我不知道」，它会用训练数据里最像报销政策的样子拼一个出来。这叫「没 RAG 就只能瞎编」。
这两个硬伤，对应本讲要补的两个盲区模式：学习与适应（Learning and Adaptation） 解决「每次从零」，让 Agent 从交互和反馈中改进策略；知识检索（RAG） 解决「瞎编」，让 Agent 在生成前先去查你的私有知识。它们看起来是两件事，内核却是同一个问题：模型的权重是固定的、知识是截止的，怎么让一个「冻结的大脑」表现得像在持续成长、并且知道它本来不知道的事？ 答案都不是去改权重（那太重），而是去改它每次拿到的上下文——这一点会贯穿全讲。
框架一：学习与适应的三条路径
「让 Agent 学习」不是一个动作，而是三条投入和收益完全不同的路径。先记一句话：越往下越重，但越持久。
| 路径 | 改什么 | 怎么做 | 持久性 | 成本 | 典型场景 |
|---|---|---|---|---|---|
| ① In-context learning | 不改权重，只改上下文 | 把经验/例子/纠正放进 prompt 或对话历史 | 仅本次会话 | 极低 | few-shot 示例、把报错贴回去让它改 |
| ② 记忆驱动适应 | 不改权重，改外部记忆 | 成功案例/用户偏好写进长期记忆，下次按相关性召回 | 跨会话持久 | 中 | 记住「这用户要 ISO 8601 日期」，下次自动带上 |
| ③ 微调 / RLHF | 改权重 | 标注数据重训 / 人类偏好强化学习 | 永久 | 高（迭代以周计） | 把垂直领域稳定行为烧进模型 |
三条路径是一个升级阶梯，不是三选一。绝大多数 Agent 产品靠 ① 和 ②，几乎用不到 ③：① ② 都只改上下文、随时可调、当天见效；③ 一旦烧进权重就改不动、迭代慢。工程默认顺序：能用 in-context 解决就别上记忆，能用记忆解决就别上微调。
一个关键区分——显式反馈 vs 隐式反馈：显式反馈是用户明确告诉你对错（信号强、噪音低，应高权重存记忆）；隐式反馈是从行为推断（复制了你的输出=有用，立刻重写=没达标，问三遍=没答到点；信号弱但量大、不打扰用户）。成熟的学习型 Agent 两种都用。新手最常犯的错是只接显式反馈——但用户其实很少主动纠正你，大部分有价值的信号藏在行为里。
框架二：RAG 的五步流程
RAG（Retrieval-Augmented Generation，检索增强生成）一句话：生成之前，先去外部知识库里捞相关内容，塞进上下文，再让模型基于这些内容回答。 分两阶段五步——前三步离线建库，后两步在线查询：
| 步骤 | 阶段 | 做什么 | 工程关键点 |
|---|---|---|---|
| 1. 文档切分 Chunking | 离线 | 长文档切成小块 | 切分粒度：太大→检索不精准、浪费预算；太小→语义断裂。按语义边界（段落/标题）优于按固定字数硬切 |
| 2. Embedding | 离线 | 每块算成向量 | 选对 embedding 模型，中文场景尤其要实测 |
| 3. 存入向量库 | 离线 | 向量 + 原文存进向量数据库 | 建好索引，支持快速相似度检索 |
| 4. 检索 Top-K | 在线 | query 算成向量，捞最相似的 k 个块 | 召回 vs 精确：k 太小漏关键信息，k 太大引噪音、挤预算；常配重排序 rerank |
| 5. 注入 + 生成 | 在线 | 检索块拼进 prompt，连问题一起给模型 | 注入预算：排序、截断；引用溯源：标注每句来自哪块，可追溯可验证 |
RAG 精确解决三个模型本身解决不了的问题：知识截止（让它读到今天的文档）、私有/领域知识（你的报销手册、代码库、产品文档模型从没见过）、减少幻觉（答案有据可依且要求引用溯源，瞎编空间被压缩）。
Case：一个客服 Agent 的进化
第 0 天（什么都没有）：用户问「Pro 版支持几个团队成员？」Agent 凭训练数据猜「10 个」。错的，实际 5 个。用户投诉。
接上 RAG（解决瞎编）：把产品文档、定价页、FAQ 切分入库。再问，Agent 先检索到「Pro 版 5 席」那块，注入上下文，回答「5 个」并附来源链接。幻觉没了。
接上学习（解决从零）：一个老用户每次强调「我只关心 API 问题，别讲界面操作」。第一次是显式反馈，Agent 写进该用户长期记忆（路径 ②）。之后自动召回这条偏好，优先讲 API。同时后台发现「webhook 重试的回答」复制率低、追问率高（隐式反馈），运营据此重写文档、重新入库——又一次学习，发生在 RAG 库这侧。
RAG 负责「知道得对」，学习负责「越来越懂你」：一个管知识正确性，一个管策略适应性。两者都不碰权重，都只在上下文这一层做文章——这正是它们能快速迭代、当天上线的原因。
可操作做法
学习与适应：① 先穷尽 in-context，再考虑记忆，最后才碰微调；② 显式反馈一定捕获并高权重存储（用户主动纠正是最贵的信号）；③ 至少设计一种隐式反馈采集（复制率/重写率/追问率挑一个先埋点）；④ 记忆要可召回、可遗忘（过时偏好要能更新淘汰）；⑤ 进阶：把学习回路自动化（让评测分数驱动 prompt 改写，形成闭环）。
RAG：① 切分先按语义边界再调字数；② 检索质量先于一切，单独评测它（生成差八成是检索没捞对，先单测召回）；③ 给注入留预算，排序截断（检索 20 块不等于全塞）；④ 强制引用溯源（压幻觉 + 可 debug）；⑤ 中文场景必须实测 embedding 和切分（默认配置多为英文调）。
元原则：两个模式都是「改上下文」而非「改模型」。想让 Agent「更聪明」时，第一反应不该是「换更大的模型」或「去微调」，而是「我给它的上下文里，缺了哪条经验（学习）或哪份知识（RAG）？」
织进本课
学习与适应 ↔ Module A 五层 L4 记忆 + harness 的 autoevolve。 路径 ② 记忆驱动适应，正是 A 五层 L4 记忆层的落地——长期记忆不是为了存数据，是让 Agent「记住该怎么做」。而 harness 方法论里的 autoevolve（prompt 自动进化） 本质就是把「反馈 → 改进策略」这条学习回路自动化：让评测结果反过来重写 prompt。学习不是模型独有的能力，工程脚手架一样可以「学」。
RAG ↔ Module B 上下文工程（Cursor 实战示例）+ A 五层 L4。 RAG 就是上下文工程在「外部知识」维度的标准实现。还记得 Cursor 实战示例里的 codebase 索引检索吗？Cursor 把整个代码仓切分、embedding、建索引，你提问时先检索相关片段再注入——那就是一套针对代码的 RAG。检索到的知识和长期记忆共享 L4 这个位置，区别只在记忆存「经验」、RAG 库存「知识」。
收口
Agent 不会因为模型更大就自动变聪明，它会因为你给它的上下文更对而变聪明。学习与适应把昨天的教训带到今天，RAG 把它本不知道的知识接到它面前——两者都不碰权重，都在上下文这一层做文章。所以这一讲是 Module B 上下文工程的两个最重要下游：一个对内攒经验，一个对外接知识。