最近一篇讲 SAG2 的文章在朋友圈刷屏，标题是《RAG这次真死了！SAG2才是本地知识库的神，又快又准又便宜》。文章里最醒目的一句话是：同样 11,656 段文本，SAG 一代建库要 4.57 小时，SAG2 只要 2.36 秒，速度提升 7000 倍。

先交代立场：自媒体的文章是以流量为主的，哪个数字听起来反差最大，就用哪个，你可以打个折听。但有些数字，打完折也还是那样。

这个数字是真的，但它不是“同一件事做快了 7000 倍”，而是做的事变了。

SAG 一代建库时，要调大模型逐段抽取事项和实体，再算 embedding。SAG2 建库只做分词，写进一个 SQLite FTS5 文件。一个要让 LLM 把一万多段文字读一遍，一个只要切词。拿这两者比速度，就像比较“抄一本书”和“给一本书编目录”哪个快。

换个更日常的场景。开发商打出广告：我们盖楼的速度是以前的 7000 倍。你会因为这句话去买房吗？

不会。买房看的是价格、住得舒不舒服、结构安不安全、抗震达不达标、小区配套和周边学校医院怎么样。开发商盖得多快，是开发商的事，不是住户的事。

知识库也一样。建库是低频动作，一周一次，一个月一次，甚至只做一次。查询是每天成千上万次的事。用户真正感受到的，是查得准不准、等多久、花多少钱、会不会查到不该看的东西。把建库速度放进标题，等于把开发商的 KPI 拿给住户看。

SAG2 建库几乎零成本，这没错。但它的“准”，几乎全部花在查询那一侧。

它的检索链路是这样的：BM25 先召回 100 条候选，交给判定模型 Jev 逐条判断“这一段是不是回答问题的必要证据”；再从高分段落里挑扩展词，发起下一轮 BM25；最多跑两轮。也就是说，用户每问一个问题，判定模型就要被调用上百次。

Zleap 自己公开的消融数据说得很清楚。在 MuSiQue 上，BM25 单独跑的 R@10 是 54.41%；加上 Jev 单轮判定，到 67.93%；加一轮扩展，到 83.36%；两轮，到 86.62%。三十多个点的提升，都来自查询时的模型调用，不是来自那 2.36 秒的建库。

这本身不是坏事。把成本从写入挪到读取，对一个人用的本地知识库很划算：一天问不了几十个问题，建库快反而更重要。但企业知识库的账要反过来算。几千个员工、几个 Agent 同时在查，查询侧的模型费用和延迟会迅速超过建库那一次的成本。“又快又便宜”，要先问是谁快、谁便宜。

还有一个对国内读者更现实的问题。Jev 是美国 TypeSafe 公司的模型，SAG2 的基准是通过 OpenRouter 调用的。数据出境、境内可用性、能不能私有化部署，这三条基本就把它挡在了大多数国内企业门外。

至于“三个测试集、8 项指标全部第一”：宣传图里的对照组只有 SAG 一代和 BM25。论文里其实和 NV-Embed-v2、HippoRAG 2 这些强基线都比过，而且赢了，这比宣传图更有说服力。只放自家旧版和一个基线，再说“全部第一”，反而让人起疑。

SAG2 官方宣传图：对照组仅有 SAG 一代与 BM25

吐槽完标题，要公平地说一句：SAG2 证明了一件有价值的事。

在多跳检索上，“词法召回 + 判定模型 + 迭代扩展”可以打败纯向量方案。在 51 万文档的 EnterpriseRAG-Bench 上，SAG2 总分 81.1，BM25 是 68.4，纯向量只有 46.0。MuSiQue 上最好的 embedding 基线是 77.27，SAG2 是 86.62。

这对“向量就是 RAG 的唯一答案”是一次直接的反驳。受冲击最大的，是只做向量检索的数据库，因为它们恰恰缺 BM25 这条腿。

但 SAG2 的短板，也写在它自己的数据和代码里：

还有一个细节很多人没注意到：Zleap 的主力产品线 SAG（不是 SAG-Wiki），生产部署方案里列的存储组合是 MySQL / PostgreSQL / OceanBase 加 Elasticsearch。SAG-Wiki 用 SQLite，是因为它的定位是“面向个人与 Agent”的桌面工具。用企业级标准去要求它，本身就有点错位。但反过来，拿一个桌面工具的建库速度来宣布“RAG 死了”，错位得更厉害。

SAG-Wiki 桌面端产品：定位为面向个人与 Agent 的轻量级本地工具

过去两年，知识库的检索方法换了好几代：向量 RAG、GraphRAG、SAG、SAG2。每一代都有人宣布上一代“死了”。我的判断是，接下来还会再换，而且换得更快。

所以企业该问的不是“现在哪个方法最强”，而是“下一次方法升级时，我要不要迁移数据、换掉底座”。

这里先说清楚一点：“ES 能跑 BM25”不是卖点。PostgreSQL、OpenSearch、甚至 SQLite 都能跑。ES 真正不一样的地方，是在同一份索引、同一套权限下，把 SAG2 留下的几个空白一起补上。

第一，混合搜索：第一阶段就不只靠词。

 SAG2 最弱的是语义类问题，跨语言也要靠 LLM 改写。在 ES 里，同一个字段可以同时建 BM25 倒排和 

 向量索引，用 retriever 的 RRF 或 linear 在一次请求里融合。多语言 embedding 在召回阶段就处理了“换个说法”和“换个语言”，不需要每次都请 LLM 翻译。中文场景下，IK 分词、同义词表、领域词典也都是现成的，不用停留在 jieba 默认词典。

第二，更高的召回：循环的每一步都有原生能力。

 SAG2 的召回提升主要来自“从高分段落挑词、再查一轮”，这套选词逻辑是自己写的。ES 里有两个现成工具做这件事：

 可以直接把判定模型选出的高分文档 

 聚合以高分文档为前景集，挑出相对全库显著的词。再加上混合检索的第一阶段，循环的起点就比纯 BM25 更高。要说明的是，“起点更高、终点也更高”目前是推论，还没有在中文数据集上跑出数字。

第三，多模态：不必先把一切变成文字。

 企业知识库里越来越多的是截图、扫描件、产品图、培训视频。ES 可以通过 Inference API 接入多模态 embedding 模型（比如 Jina 的多模态模型），文本、图片放在同一个向量空间里检索。“用一张故障照片找到对应的维修手册”“搜出视频里出现某个设备的片段”，这类需求在“先 OCR 再 BM25”的架构里是做不到的。

第四，没有判定模型时怎么办。

 这是最容易被忽略的问题。SAG2 的效果高度依赖 Jev：去掉判定，MuSiQue 上就退回 BM25 的 54.41%。如果你的企业因为合规用不了 Jev，SAG2 的那张成绩单就和你没什么关系了。

ES 在这里给的是一条可以分级的路：

判定模型通过 Inference API 接入，混元、Qwen、Jina 都可以换。模型升级时换的是一个 endpoint，索引和查询不用动。

这四点之外，还有企业场景里绕不开的两件事。一是权限：SAG 式循环每个问题要查好几轮，ES 的文档级和字段级安全（DLS/FLS）在引擎层生效，每一轮都不会越权，而不是查完再过滤、结果召回的 100 条里一半看不了。二是可观测：每一轮召回、判定、扩展都可以记成 trace 存进 ES，“为什么找到这条、为什么漏了那条”能查得到。检索循环越复杂，这一点越重要。

基于统一企业级底座（Elasticsearch）的知识库演进架构

RAG 还是 SAG，按问题选，不按流派选

如果 RAG 和 SAG 摆在面前，与其站队，不如看你的问题长什么样：

大多数企业两类问题都有。更现实的做法是按问题路由：简单问题走混合检索一步返回，复杂问题进入检索循环。这两条路如果跑在两套系统上，就是两份数据、两套权限、两套运维。跑在同一个 ES 集群上，从 RAG 切到 SAG，改的是查询，不是数据。

回到买房的比喻。开发商用 7000 倍的施工速度做广告，住户该问的是：这房子住十年，换了几次装修风格，承重墙还在不在原来的位置。

还有一件事我没想清楚，也欢迎有数据的朋友来补：SAG2 的所有评测都是英文数据集。在中文企业文档上，词法召回加判定循环到底能走多远？中文分词的误差会不会在多跳循环里被放大？这个空白，现在还没有人填上。

RAG 死了？肯定没有。SAG2 是真神，也不是。客观看待知识库技术路径，并选对底座

过去两年，知识库的检索方法换了好几代：向量 RAG、GraphRAG、SAG、SAG2。每一代都有人宣布上一代“死了”。我的判断是，接下来还会再换，而且换得更快。
所以企业该问的不是“现在哪个方法最强”，而是“下一次方法升级时，我要不要迁移数据、换掉底座”。

首席云解决方案架构师

人工智能

数据库

架构设计

SAG2建库快7000倍是文字游戏，实为分词替代LLM抽取，成本转移至查询侧。BM25+判定模型迭代，多跳检索超纯向量，但语义/中文弱、依赖Jev模型致企业落地难。ES混合检索+多模态+权限追踪更适企业底座，建议按问题复杂度路由RAG与SAG。

Elasticsearch 

PostgreSQL

GraphRAG

路由

SQLite

Agent

MySQL

腾讯云双十一大促

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

RAG 死了？肯定没有。SAG2 是真神，也不是。客观看待知识库技术路径，并选对底座

RAG 死了？肯定没有。SAG2 是真神，也不是。客观看待知识库技术路径，并选对底座

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐