Agent Skills知识库检索是否超越传统RAG，在长尾搜索中更具优势？

大家好，欢迎来到 code秘密花园我是花园老师。说实话，最近这段时间，我一直在思考一个问题：我们是不是把 RAG捧得太高了？ 摸鱼。 或者说我们是不是走错了方向？

今天这期内容， 咱们不聊那些虚头巴脑的概念，直接进入实战环节，来聊聊最近 Anthropic 推出的 Agent Skills。这玩意儿到底能不能在知识库检索这个领域，把传统的 RAG 方案按在地上摩擦？咱们拭目以待。别忘了锁定「code秘密花园」，这才是你探索 AI 世界的正确打开方式，相关链接我都放在下面了，我们都曾是...。

传统RAG的痛点

这家伙... 老朋友们大概都听腻了我的唠叨， 我本人对那种通过 Chunk + Embedding 来实现 RAG 的模式，一直持有比较大的保留意见。甚至可以说是有点“偏见”在里面的。

为什么这么说？你想想看，为了用 RAG，我们得先把好好的文档切得支离破碎，然后转化成向量存进数据库。这过程本身就像是为了喝杯牛奶，非要先养头牛一样。虽然这种方案在像长了眼睛一样自动识别到这个 Skill。 太坑了。 然后最神奇的是它会根据用户的具体需求，智能判断是不是要调用这个 Skill。通过这种模式，Agent 既能节省大量的，又能精准地响应用户需求，找到并施行特定的技能。

实战探索：知识库检索Skill

戳到痛处了。 咱们今天的主角，是一个专门用于知识库检索的 Skill。我想用它来替代传统的 RAG，去搞定一个包含多个 mdmdx 文件的文档站。咱们来看看，这种新方案到底能不能打。

这套方案的核心思路， 我们可以把它理解为一种「不预建向量库的、本地目录级、渐进式检索 RAG」。听着挺玄乎， 其实原理很朴素：，推倒重来。