怎么做好 Knowledge Agents？不应该复制 Coding Agents，做好检索能力…

一句话用途

这篇解读了 Ben Clavié 关于 Knowledge Agents 的演讲：为什么编程智能体的成功范式不能直接搬去做法律、医疗、投研这类知识工作，瓶颈在检索工具质量与主/子智能体分工，末尾给了企业落地建设的优先级清单。想在企业场景做知识型 Agent 的用户可以按这篇的优先级排序资源。

Ben Clavié @bclavie 在 AI Engineer World’s Fair @aiDotEngineer 的演讲，主题是 “Agents should do Knowledge Work, so they should be Knowledge Agents”

核心结论

复杂知识工作的瓶颈，不只在模型能力，在于“检索工具是否足够好”与“系统是否能合理分工”。

Ben 反对把 AI Agent 理解成一个能独立完成所有事情的“全能个体”。他的主张是：若要让 AI 真正服务法律、医疗、咨询、投研、企业文档等知识密集型场景，系统应同时具备两种能力：

• 高质量、面向任务的检索工具：让 Agent 找到正确、完整、可追溯的信息，尤其包括图表、扫描件、多文档关联等非纯文本内容。
• 编排与分工能力：由主智能体理解需求、拆解任务，再让不同子智能体或工具执行检索、核验、计算、归纳，最后汇总并对结果负责。

演讲逻辑

时间内容真正含义00:00–03:52从 RAG 到 Coding Agent 的演化编程智能体成功，不代表它是所有知识工作的通用范式。03:53–05:55代码与一般知识的差异代码有明确变量、目录、测试与任务单；法律、商业和医学信息高度依赖语境。05:56–07:59人类知识工作的演化知识生产始终沿着两条线升级：工具更强，组织分工更细。08:00–11:08检索工具决定上限检索不是可替换的插件；低质量搜索会迫使模型反复试错、浪费上下文和调用次数。11:09–15:13主智能体 + 专家子智能体复杂知识任务更像律所、医院或咨询团队，而不是一个人从头做到尾。

最值得理解的三个观点

第一，代码智能体的成功有其“环境红利”。 代码库通常具有较强结构：函数名、文件路径、类型定义、测试反馈和工单描述都提供了稳定线索。相比之下，“合同中 30 天”究竟指付款期限、宽限期还是数据保留周期，必须结合上下文、主体、条款关系和业务目的判断。视频借此指出：知识任务的难点不是生成文字，是正确定位、理解和验证证据。

第二，检索质量会改变任务是否“做得成”，而不只是做得快。 视频的关键判断是：若 Agent 总是检索到噪声、缺页、错误版本或只有文本而没有图表的信息，后续推理再强也会建立在错误证据上。BrowseComp-Plus 的研究正是为了把“模型推理能力”和“检索器质量”分开评估；其论文显示，更强的检索器可以显著提升深度研究 Agent 的准确率，并减少搜索调用次数。〔〕 因此，企业不应只问“换一个更强模型是否有效”，还应问：它能否检索到正确粒度、正确版本、正确模态的信息？

第三，多智能体的价值不在“智能体数量”，而在“职责清晰”。 讲者用律所作类比：合伙人负责理解客户问题、设定判断标准并承担最终责任；助理负责查找案例、提取证据、撰写备忘录。映射到 AI 系统，就是：

主智能体负责意图澄清、任务分解和最终综合； 子智能体或专业工具负责检索、图表理解、事实核验、计算及证据归档。

这比单个 Agent 一路搜索、一路写答案更接近真实知识工作的组织方式。

对视频数据的客观判断

视频中提到 BrowseComp-Plus 和 MADQA 的结果，支持“工具与架构会显著影响 Agent 表现”这一方向性结论。BrowseComp-Plus 使用固定、人工核验的约十万篇文档语料，目的就是避免动态网页搜索带来的不可复现问题。MADQA 则以 800 份异构 PDF 和 2,250 个问题，测试 Agent 对文本、视觉信息与多页证据的处理能力。

但应注意两点：

• 演讲中展示的 90.2%、82%、3.5% 等数字，属于特定模型、检索器、提示词、任务预算和评测设置下的结果，不能直接等同于生产场景中的通用收益。Mixedbread 当前公开页也展示了相近但不完全相同的 BrowseComp-Plus 数值，说明版本与评测配置会影响结果。
• 讲者来自检索产品公司，因此其“检索是关键杠杆”的立场有明确产品视角；但这并不削弱论点本身。更合理的结论是：检索、模型、工作流和评测必须被视为一个系统，而非只优化其中一个环节。

对实际工作的启示

若要建设企业级知识 Agent，优先级应是：

• 先定义可验证的业务任务：例如“找出合同续约风险并引用条款”，而不是泛泛地“分析所有合同”。
• 先建设证据层：权限、版本、元数据、OCR、表格/图像解析、引用定位与来源追溯。
• 再决定是否拆分智能体：只有任务可并行、需要不同专业能力或涉及多类数据时，多智能体才值得其额外成本。
• 以准确率、证据完整性、成本、延迟和人工复核率共同评估，而不是只看回答是否流畅。
• 在高风险领域保留人类最终审阅与责任链条；多智能体不能替代合规、授权边界和专业判断。

一句话评价：这个演讲在提醒开发者，真正可用的知识型 AI，不是更会说话的单一模型，是能以合适工具找到证据、按合适分工完成判断、并能说明依据的系统。

原文信息

• 作者：少盟（@shao__meng），AI Agent 工程观察者
• 原文标题：怎么做好 Knowledge Agents？不应该复制 Coding Agents，做好检索能力… 原文地址：