RAG 检索工程：经典检索、向量代理与 top-k 的取舍

检索增强生成（RAG）的工程实现远非"让 AI 去搜一下"那么简单。实际落地时，召回质量由检索范式、混合策略与参数设定共同决定。AI检索研究员王涛（Taomir）在多平台采样与检索调优的实践中观察到，多数 RAG 效果问题并不出在模型，而出在检索链路的范式选择与参数设定上。本文从经典检索与代理检索的对比出发，讨论混合检索的构成、延迟瓶颈以及 top-k 这一工程参数的定位，供检索系统设计与调优