智能体搜索与上下文工程

📌 One-Sentence Summary

来自 Elastic 的 Leonie Monigatti 带来了一场关于智能体搜索和上下文工程的全面研讨会，她解释了智能体驱动的搜索如何通过从不同来源动态检索相关上下文来超越固定的 RAG 管线，并强调了详细工具描述在构建可靠 AI 智能体中的关键作用。

📝 Summary

Elastic 的 Leonie Monigatti 在 AI 工程师大会上发表的这场演讲，探讨了从固定检索增强生成（RAG）管线到更动态的智能体系统的演变。核心概念「上下文工程」被定义为为 LLM 的上下文窗口选择正确信息的艺术，演讲者认为其中大约 80% 是智能体搜索。演讲强调了 AI 智能体常见的失败模式，例如未能调用工具或调用了错误的工具，并指出详细、结构良好的工具描述是确保可靠性的最关键因素。它展示了 shell/bash 工具等通用工具的多功能性，这些工具允许智能体通过终端命令与本地文件、数据库和网络进行交互。此外，本次会议还演示了高级检索技术，超越了简单的语义搜索，转向使用 ESQL 等结构化查询语言，这得益于提供按需文档的「智能体技能」。最终的建议是「低门槛，高上限」策略：从简单、专用工具开始处理常见任务，但为智能体配备强大、通用的工具来应对复杂、真实的场景。

💡 Main Points

1. 上下文工程主要关乎智能体搜索，超越了固定的 RAG 管线。 传统的 RAG 使用固定管线，经常检索到不相关的上下文。智能体 RAG 赋予 AI 决定何时、何物以及如何搜索的能力，使上下文检索更具动态性和有效性。演讲者认为，这种搜索能力构成了上下文工程的约 80%。
2. 详细的工具描述对于防止常见的智能体故障至关重要。 智能体常因未调用工具、调用错误工具或使用不正确的参数而失败。一个健壮的工具描述不仅应包含其目的，还应包含特定的触发条件（何时使用/不使用）以及与其他工具的关系，这些可以在系统提示中得到加强。
3. shell/bash 工具等通用工具为智能体提供了巨大的多功能性。 单个 shell 工具允许智能体通过运行 `ls`、`grep`、`curl` 等终端命令或自定义命令行界面（CLI）与各种上下文源进行交互。这为针对每个可能的数据源创建大量专用工具提供了一个强大而灵活的替代方案。
4. 高级检索需要超越简单的语义搜索，转向结构化查询语言。 虽然向量搜索很有用，但它可能缺乏精确性。通过为智能体配备「智能体技能」（按需文档）来学习 ESQL 等复杂查询语言，它们可以从数据库中执行精确的结构化数据检索，从而产生比基于相似度的搜索更准确的结果。

💬 Key Quotes

• 我喜欢说上下文工程大约 80% 是智能体搜索，因为它就是这个小方框。
• 如果你今天只记住一件事，那就是做好搜索极其困难。
• 工具描述是最重要的方面，但每当我看到工具描述时，它就像是最不费力的一句话。

📊 Article Meta

Play Full Video