AI Agent Engineering · Week 07
07-03|RAG、Tool、Memory、Database 到底怎么选
以信息所有权、变化速度和业务动作判断 RAG、Tool、Memory、State 与 Database 的正确位置。
先问:谁拥有这条信息
客户连续问四个问题:订单什么时候到、德国站退款政策是什么、上次更喜欢黑色还是白色、当前退款进行到哪一步。它们都能出现在模型 Context 中,但真源完全不同。
Business Database,经授权 Tool 读取
订单、支付、物流RAG / Knowledge Index
政策、产品资料、操作手册Scoped Memory
已确认语言与沟通偏好Workflow State
waiting_for_approval四个问题的正确路径
| 客户问题 | 主真源 | 原因 |
|---|---|---|
| “我的订单什么时候到?” | Tool → Logistics Database | 需要当前、本人、受授权的业务事实 |
| “德国站退款政策是什么?” | RAG → Knowledge | 需要从版本化政策材料取得证据 |
| “我上次更喜欢黑色还是白色?” | Memory | 需要复用已确认、允许保留的偏好 |
| “这个退款进行到哪一步?” | Workflow State | 需要读取当前业务实例的合法状态 |
Database 是事实持久层;Tool 是 Agent 访问或操作业务能力的受控接口。二者经常同时出现,因此不能把 Tool 当作一种数据仓库。
决策顺序
当前决定需要什么?
↓
实时业务事实或动作? → Tool / DB
版本化知识证据? → RAG
跨任务可复用偏好? → Memory
业务实例进行到哪一步? → State
↓
Context Builder 选择最小必要内容
组合场景:退款咨询
客户问:“我的 XB-1024 已经批准退款了吗?德国站一般多久到账?”系统先由 State 判断流程处于 approved,通过 Tool 查询支付 Provider 当前执行状态,再从 RAG 取得德国站到账时效政策,最后结合语言 Memory 组织回答。
退款流程 approved
Provider 仍 processing
德国站 3–7 个工作日
首选语言 de
说明当前进度 + 政策证据
判断标准
看四件事:信息由谁更新、变化速度如何、是否需要执行动作、错误会造成什么后果。知识材料适合索引;高频变化事实应实时查询;业务状态通过受控事件更新;长期偏好必须经过写入策略。
Failure Lab
把 CRM、订单和政策全部导入向量库
为什么诱人: 一个检索入口看起来最省事。
为什么失败: 订单副本迅速过期,权限难以逐条落实,语义相似无法保证精确业务查询。
更合理设计: 政策进入 RAG;订单由 Tool 查询业务 Database;Context Builder 负责组合。
用聊天摘要代替 Workflow State
为什么诱人: 摘要已经写着“等待审批”。
为什么失败: 自然语言可能过期或生成错误,也没有合法 Transition 与版本控制。
更合理设计: 摘要帮助模型理解,动作资格始终读取 State Store。
把 RAG 命中的客户案例当成当前客户事实
为什么诱人: 历史案例与当前问题高度相似。
为什么失败: 相似客户没有当前客户的身份、订单与授权关系。
更合理设计: 案例只提供处理知识,个人事实必须通过授权 Tool 获取。
实践:完成信息归属 ADR
为 16 条信息标记真源、读取方式、写入者、更新频率和失败处理。至少包含订单金额、物流状态、退款政策、退款 State、语言偏好、审批记录和 Agent Trace。
Acceptance Criteria
- ☐ 每条信息只有一个负责更新的真源。
- ☐ Tool 被定义为受控能力接口,没有当作存储类型。
- ☐ 当前业务事实不会从 RAG 或 Memory 读取。
- ☐ 政策回答保留知识证据与版本。
- ☐ State 只能通过合法事件更新。
- ☐ Context Builder 能组合多个来源且不复制所有原始数据。
主动回忆
- Database 与 Tool 为什么常常同时出现?
- 政策知识与当前订单事实的变化速度有何不同?
- 聊天摘要为什么不能推进退款状态?
- 一个回答可以使用多个来源时,怎样保持责任清晰?
下一课比较固定 RAG 与 Agentic RAG:什么时候让 Agent 自己决定检索步骤,什么时候固定链路更可靠。
延伸阅读 / Sources
核查日期:2026-10-18。
- OpenAI API:Retrieval。用于核对知识检索与 Vector Store 的当前边界。
- OpenAI API:Function calling。用于核对模型选择 Tool 与应用执行 Tool 的职责分离。
- OpenAI Agents SDK:Sessions。用于核对会话历史与应用持久状态的当前实现边界。
长期有效的原理: 信息应由具备正确所有权、更新规则和授权能力的系统管理。当前实现方式: Retrieval、Tool 与 Session API 会变化,架构 ADR 应记录职责而非绑定产品名。