RAG 之后补一层知识编译：BM25 harness 跑到 85%

2026 年 10 月 30 日，一篇题为 Context as Infrastructure 的论文上到 arXiv（编号 2610.41172）；11 月 2 日，它在 Hacker News 上被提交。论文的结论有点反直觉：检索增强（RAG）的准确率问题，在 agentic harness 之下已经基本被解决，真正卡住的是上下文本身。

论文的核心结论

• 一个只有 BM25/grep 加一个模型的 harness，就能在 BrowseComp-Plus 拿到 85%、在多跳 FRAMES 拿到 91%（作者自述的 runs），既不需要编译索引，也不需要向量索引。
• 但它暴露了一个上下文问题：不受约束的循环会重复查询、重读文档、把窗口塞满没用上的段落。
• 论文认为缺的是一层「知识编译」：一条可配置的摄取管道，让 LLM 给文档补上单个 chunk 里没有的上下文——导航层级、实体图、时间线、思维导图、本体、wiki 与记忆。

编译不是更好的检索器

论文花了不少篇幅说明，它不是「更聪明的检索」：

• 在足够强的 harness 之下，结构化产物在 FRAMES 上没有可检出的准确率增益；PageIndex 风格的大纲在规模上还会退化。
• 它把自己定位成供给层。论文测量的机制是一棵导航树，叶子是「主张—证据」对：证据足够时把查询 token 砍掉 91%，不够时反而多花 1.9%，平均降 38%。
• 这组数字意味着一个 2% 的盈亏平衡充分率，而作者实测接近 43%。
• 一个决策门把延迟从 140 秒降到 30 秒；但省下的 token 是靠更多检索轮次换来的，本身也有延迟成本。

动手点

• 论文描述的是 RAGFlow 的管道与 harness（开源），把循环拆成若干有纪律的环节，目标是让进入模型的上下文始终是最小充分集。
• 对读者的直接动手点：先搭一个只有 BM25/grep 的 harness 测准确率；再给它加一层文档编译，对比查询 token 与延迟的变化。
• 作者的建议是别急着换检索器，先把供给层做对。

还没验证的部分

• 这是 2026-10-30 的预印本，未经同行评审。
• 所有数字来自论文摘要自述，本文没有独立复跑，也没有复现 RAGFlow 的管道。
• Hacker News 上的讨论帖截至本文写作只有 3 分、0 条评论，还没有社区复现。
• 「编译层的收益只有在部署场景（治理、集成、上手、时间取向、连续性）才显现」这类判断，是作者的定性结论，本文不做背书。

参考来源

本文基于以下公开报道整理：

• Context as Infrastructure: Knowledge Compilation for Retrieval in Agentic Systems with Harnesses — arXiv 摘要（一手论文），2026-10-30
• Context as Infrastructure: Knowledge Compilation for Retrieval in Agent Harness — Hacker News 讨论帖，2026-11-02

本文由 AI 辅助整理，事实与引文来自 arXiv 摘要与 Hacker News 条目元数据；未独立复跑，配图后续补充。