打开网易新闻 查看精彩图片

Vaquar Khan在AWS干了22年，最近带着团队搞了个实时Agentic RAG系统。这东西听起来唬人，核心就解决一个老毛病：AI agent查资料时，数据已经过期了——他们管这叫"Context Rot"，上下文腐烂。

打开网易新闻 查看精彩图片

传统RAG像图书馆管理员，每次查完把书塞回原位，下次来可能还是那本旧书。Khan的方案用了Apache Spark和Iceberg，数据更新像外卖实时配送，agent拿到的永远是热乎的。

打开网易新闻 查看精彩图片

他在技术博客里写了一句：「Agentic AI without real-time data is like a GPS using last year's road map.」翻译过来：用过期数据的AI agent，就是拿去年地图导航今年路况。

这套架构把数据管道切成冷热两层。热数据走Spark流处理，毫秒级喂给agent；冷数据沉在Iceberg表里，想回溯哪天都行。Khan团队测过，延迟从小时级压到秒级，agent幻觉率降了四成。

不过有个细节他没明说：Iceberg的元数据管理本身也是开销，数据量暴涨时，查询计划生成会变慢。有开发者在评论区吐槽，说自家系统数据过TB后，优化器开始"思考人生"。Khan回复说正在搞增量元数据缓存，下季度放出来。