Skill 与 RAG 的第一性原理比较

Skill 与 RAG 的第一性原理比较Skill 与 RAG 不是互斥方案Skill把领域知识、检索策略、工具入口和验证规则转换为文档形式组织。RAG在回答时从外部知识源取得证据。其检索器可以是rg、BM25、Dense Embedding、Graph或它们的组合。Agent理解问题并决定调用哪个 Skill、使用哪种检索方式、是否继续查证。严格地说Skill 调用rg找到原文后再回答也属于广义 RAG。真正需要比较的是显式知识编译与在线探索和自动建立语料索引并检索之间如何分工。一、知识问答的基本问题设CCC全部知识qqq用户问题E∗E^*E∗回答所需的充分证据BBB时间、Token 和工具调用预算。系统的目标是q→候选证据→充分证据→验证→答案 q \rightarrow 候选证据 \rightarrow 充分证据 \rightarrow 验证 \rightarrow 答案q→候选证据→充分证据→验证→答案由于每次都完整阅读CCC通常不可行系统必须用某种结构缩小候选空间。目录、Skill 正文、倒排索引、向量索引和知识图谱本质上都是对原始知识的不同压缩与索引。二、Skill 的本质显式知识编译Skill 不只是命令说明。高质量 Skill 会显式保存用户概念与内部术语的映射问题类型与知识目录的映射权威来源及其优先级rg、BM25、Graph、SQL、API 等查询入口多步查询和失败恢复策略时效、权限、冲突和拒答规则结果验证方法。例如用户说“订单冻结”内部术语可能是“止付” 静态规则查 risk/wiki 当前订单状态调用 order-cli 影响范围查调用图 历史原因查 ADR 与事故复盘 正式制度优先于会议纪要因此Skill 正文本身就是一级索引也是一个可执行的知识路由器。它把领域专家或 LLM 已经理解过的知识编译成后续 Agent 可复用的程序。Skill 的优势能表达条件、流程、来源优先级和业务约束能调用实时 API、SQL、CLI而不局限于静态文档查询过程可解释、可调试、可人工修正可以直接读取当前原文没有切块和索引滞后问题对符号、编号、错误码、配置名和精确短语尤其可靠。Skill 的局限入口质量依赖作者或编译过程未被写入术语表、目录或检索策略的长尾知识可能难以发现每个问题可能需要重新探索延迟和成本随搜索路径变化知识规模持续增长时维护显式入口的边际成本会上升。三、RAG 的本质运行时外部取证RAG 不是 Dense Embedding 的同义词。只要系统在生成答案前从外部知识源取回证据就属于广义 RAG。常见检索表示如下检索方式主要保留的信息主要运算典型优势典型缺陷rg/ 精确搜索字符串、位置、文件结构精确匹配、正则符号和原文定位准确没有共同词时无法命中BM25 / 倒排索引词项、词频、语料稀缺度稀疏相关性排序大规模词法召回、结果可解释受词汇错配影响Dense Embedding文本的统计语义投影向量近邻可召回不同措辞的相似内容相似不等于能回答私域语义不保证正确Graph实体、关系及拓扑路径遍历、邻居扩展调用链、依赖和多跳关系建图未保留的关系不可见SQL / API结构化字段与当前状态过滤、连接、聚合、业务查询精确、实时、可计算依赖已有数据模型与接口RAG 的价值不是某一种检索技术更“智能”而是把多种索引作为候选生成器让 Agent 在有限预算内取得可验证证据。四、Skill 与 RAG 的核心差异1. 知识入口如何产生Skill 通过人工或 LLM 显式编译高价值入口术语、目录、规则和查询程序。RAG 系统通常对更大范围的语料批量建立索引BM25 为所有词项建立倒排入口Dense 为所有文档块建立语义入口Graph 为所有已抽取实体和关系建立路径入口。因此区别不是“Skill 有索引、RAG 没索引”而是Skill 建立选择性、高信息密度的显式入口RAG 以较低边际成本为大范围语料建立自动化入口。2. 信息损失在哪里发生Skill 在编译阶段选择保留哪些知识风险是覆盖缺口BM25 保留词法统计风险是语义错配Dense 把文本压缩为向量风险是条件、数字、否定和关系方向弱化Graph 把文本或代码压缩为节点和边风险是建图规则之外的信息消失。不存在无损的索引。最终结论仍应回到原文、实时系统或可执行结果验证。3. 成本如何分配Skill更多成本用于领域整理、规则编写和查询时动态推理RAG 索引更多成本用于离线解析、建索引、增量同步和权限治理Agent承担在线路由、查询拆解、候选验证和停止判断。本质上是在权衡显式知识工程、离线预计算与在线推理三者各承担多少成本。五、RAG 相对纯 Skillrg能补什么纯 Skillrg已经具有知识索引和语义改写能力。RAG 的增量主要来自以下方面全语料词法入口BM25 自动利用全局词频和倒排结构不必在 Skill 中枚举每个词概率性语义入口Dense 为未显式整理的文档提供不同措辞下被召回的机会但不保证成功关系入口Graph 预计算调用、依赖、继承等关系避免 Agent 每次重新推导查询成本摊销将重复的语料分析移到离线阶段降低高查询量场景的在线探索成本统一候选排序从大量材料中压缩出有限候选适配 LLM 的上下文预算。六、什么时候 Skillrg已经足够满足以下条件时可以不建设复杂检索平台知识范围有限目录清晰问题多为精确定位、解释或操作内容变化频繁必须直接读取当前原文可以接受多轮搜索此时增加 Dense 或 Graph 可能只会引入切块、同步和治理成本。七、什么时候需要增加其他 RAG 检索器应由失败类型决定基线失败应增加的能力精确词很多但rg命中过多且无排序BM25、路径过滤、元数据排序用户措辞与资料措辞经常不同查询扩展、Dense并用真实问题验证增量经常询问调用链、依赖和影响范围AST/LSP、代码 Graph答案分散在多个文档需要多跳组合Agent 多轮检索必要时 GraphRAG询问实时状态、统计和聚合SQL、API、CLI Skill高频重复探索同一知识编译进 Skill 或 Wiki形成稳定入口八、代码大仓库的合理架构大仓库的关键问题不是rg扫描速度而是候选空间、排序、关系和阅读预算。推荐顺序Skill / 仓库地图 → rg、BM25、符号索引发现种子 → Dense 补充语义长尾可选 → Graph 扩展调用与依赖关系 → 阅读源码、配置和测试 → 构建或运行验证 → 带证据回答其中Skill 负责路由和规则rg、BM25、Dense、Graph 都是 RAG 的候选生成方式源码和执行结果才是最终事实。九、最终判断原则不存在“Skill 或 RAG”的统一答案。应先建设强基线SkillWiki目录术语表rg/BM25原文验证然后用真实问题集测量必需证据 RecallK引用正确率最终答案正确率平均工具调用数P50/P95 延迟单次成功任务成本越权和过期证据命中率。只有当某种新增索引能够稳定补回基线漏掉的关键证据且收益超过维护成本才应引入。Skill 是高价值知识的显式编译和执行层RAG 是运行时外部取证机制内部可组合rg、BM25、Dense、Graph 与 API。最优系统不是押注一种表示而是让 Agent 根据问题选择最低成本、最可靠的证据路径。