区分知识库、Session、长期 Agent Memory 与实时数据：它们虽都会进入模型上下文，却有不同的数据来源、作用范围、写入条件、冲突规则与治理责任。

系统拆解企业知识库入库链路：从数据同步、PDF 结构恢复、表格和图片提取，到结构化切块、版本与 ACL，以及可验证的增量索引发布。

长上下文解决容量，RAG 管理知识的选择与生命周期。本文比较直接上下文、Prompt Cache 与 RAG 在注意力、更新、权限、引用和可观测性上的工程取舍。

通过多跳证据链对比传统 RAG、Agent 逐跳检索、Microsoft GraphRAG 与 SAG，说明它们在何时建立关系、如何扩展路径，以及各自的工程取舍。

讨论 Agentic RAG 如何把检索放进受状态、预算和权限约束的决策循环：拆分问题、选择知识源、评估证据、改写查询并决定何时停止。