第1章　为何当今的RAG不得不走向"Agentic"

Douwe Kiela等人在Facebook AI Research时期于2020年向arXiv投稿的论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》，是当今"RAG"一词的起源。该论文所提出的流程后来被称为"Naive RAG"——将查询转换为Embedding，在向量空间中检索最近邻的k个片段，并将其作为上下文插入LLM，是一种简单的管道设计。2022年末ChatGPT问世后，这种Naive RAG以Bugatti级的速度得到普及，但从2023年到2024年，企业级实施现场暴露出三堵墙。

第一，试图用单一Embedding空间表达所有查询的设计，对于意图混杂的长查询或需要多步推理的问题，在结构上存在天然缺陷。第二，向量检索擅长返回"语义上相似"的文档，却无法保证返回"对查询而言事实正确"的文档。第三，企业数据不仅限于非结构化文档，还分散在SQL表、知识图谱、API、实时事件等各处，将所有数据塞入单一向量数据库的方案本身就不切实际。

学术界在2023年至2024年间，连续涌现出一批突破这些局限的论文。Asai等人提出的Self-RAG（arXiv:2310.11511，2023年10月）引入了reflection token机制，让LLM自身判断"是否需要检索"以及"检索结果是否合理"，为模型动态决定是否检索开辟了道路。Yan等人于2024年1月发表的CRAG（Corrective RAG，arXiv:2401.15884）展示了一种设计：轻量级检索评估器返回置信度分数，当置信度较低时触发Web搜索作为外部扩展。Jeong等人于2024年3月发表的Adaptive-RAG（arXiv:2403.14403，NAACL 2024录用）提出了三级路由架构——在前端放置一个对查询复杂度进行分类的小型语言模型，简单查询无需检索，中等查询进行单次检索，复杂查询则进行迭代检索。这些论文都建立在ReAct模式（Yao et al.，arXiv:2210.03629，ICLR 2023）这一"交错推理与行动"的基本设计之上，并在2025年初实际上形成了行业标准。

2025年1月，Singh、Ehtesham、Kumar、Khoei、Vasilakos等人将这一脉络系统化为《A Survey of Agentic Retrieval-Augmented Generation for Large Language Models》（arXiv:2501.09136），将RAG的演进整理为"Naive RAG → Advanced RAG → Modular RAG → Agentic RAG"四个世代。该论文将其定义为："Agentic RAG通过嵌入反思（reflection）、规划（planning）、工具使用（tool use）、多智能体协作等设计模式，动态管理检索策略，迭代精炼上下文理解。"

从硅谷工程师的视角总结这一变化：Naive RAG是"函数调用"，而Agentic RAG是"进程执行"。前者是从查询到答案的单向管道，后者则拥有状态与循环，在必要时执行重试、路由和工具调用，更接近操作系统进程的存在。Anthropic于2025年6月公开的工程博客《How we built our multi-agent research system》报告称，以Claude Opus 4为领导者、Claude Sonnet 4为子智能体的编排-工作者型架构，在内部评估中比单一智能体Claude Opus 4高出90.2%，定量展示了多智能体架构的优越性。与此同时，博客也坦率指出："多智能体消耗的token约为标准对话的15倍"，"token使用量解释了浏览评估中80%的性能方差"，这一性能是以成本为代价才能获得的。

市场数据同样印证了这一转变。Gartner在2025年8月26日的新闻稿中预测，2025年时不足5%的任务型AI智能体应用占比，将在2026年底跃升至40%。预测还显示，到2028年，33%的企业软件将内嵌智能体型AI，70%的AI应用将采用多智能体方式。据MarketsandMarketsReport，仅RAG市场本身就将从2025年的19.4亿美元（约2910亿日元）扩张至2030年的98.6亿美元（约1兆4790亿日元），CAGR为38.4%；Grand View Research估算CAGR为49.1%，2030年将达110亿美元（约1兆6500亿日元）。向量数据库市场方面，MarketsandMarkets预测将从2025年的26.5亿美元（约3975亿日元）增长至2030年的89.5亿美元（约1兆3425亿日元），CAGR为27.5%；Fortune Business Insights则预测智能体型AI整体市场规模将从2026年的91.4亿美元（约1兆3710亿日元）爆炸性增长至2034年的1391.9亿美元（约20兆8785亿日元），CAGR高达40.5%。这些数字将Agentic RAG从"少数AI实验室的实验"推上了"数万亿日元规模基础设施市场"的舞台。

第2章　Agentic RAG的核心技术与设计模式

如果工程师用一句话定义 Agentic RAG，那便是："一个以检索作为工具调用的循环系统，在每次循环中更新状态与决策。"这一定义中，至少蕴含着六个相互独立的技术要素。

第一个要素是查询路由（query routing）、查询改写（rewriting）、查询分解（decomposition）以及 HyDE（假设文档嵌入，Hypothetical Document Embedding）。路由是指：接收到用户查询的智能体，需要判断应将其发送至向量数据库、转换为 SQL 查询、交由 Web 搜索处理，还是翻译为知识图谱的 Cypher 查询。改写是将用户口语化的表达转换为适合检索的标准形式，通常使用小型 LLM 来完成。分解是将"A 与 B 有何不同，C 又与之如何关联"这类复合问题拆分为多个子查询的过程。HyDE 是 Gao 等人（2022）提出的方法，其思路是让 LLM 针对用户查询生成一个假想回答，再对该假想回答进行嵌入并用于检索，从而缩小查询与文档之间的风格差距。

第二个要素是混合检索（hybrid search）。2025 年至 2026 年间，业界逐渐形成共识，收敛于"dense（密集向量）＋ sparse（BM25 / SPLADE）＋ 重排序"的三层结构。dense 捕捉语义相似性，sparse 捕捉词汇匹配性，两者相互弥补各自的不足。NVIDIA 在 GitHub 上公开的 RAG Blueprint 参考实现，支持以可插拔方式在 ElasticSearch 与 Milvus 之间切换，提供 dense+sparse 混合检索、多集合检索、GPU 加速索引与查询，并以 RRF（Reciprocal Rank Fusion）作为标准融合方案。Anthropic 于 2024 年 9 月发布的《Contextual Retrieval》在嵌入分块之前，使用 Claude 添加上下文说明前缀，实验结果令人瞩目：相较于简单嵌入，Top-20 检索失败率降低了 35%；结合 BM25 后降低 49%；结合重排序后降低 67%，一举重写了 RAG 索引前处理的实现标准。

第三个要素是重排序（reranking）。对 dense 检索与 sparse 检索所得的候选集，再施以计算成本更高的交叉编码器进行排序调整。Cohere 于 2024 年 9 月发布的 Rerank 3 支持 4K 上下文长度，该公司声称："Rerank 仅将最相关的文档传入 RAG 流水线与智能体工作流，从而减少 token 消耗、降低延迟、提升精度。"BAAI 于 2024 年 3 月发布的 BGE Reranker v2 系列（v2-m3、v2-gemma、v2-minicpm-layerwise）已成为开源阵营的标准。Omar Khattab 等人提出的 ColBERT / ColBERTv2 采用"后期交互（late interaction）"的不同路径，以低两个数量级的 FLOPs 和高两个数量级的吞吐量达到 BERT 级别的效果，ColBERTv2 还将存储占用压缩了 6 至 10 倍。

第四个要素是自我反思（self-reflection）与自我修正。Self-RAG 的反思 token 机制和 CRAG 的置信度评分，均属于这一脉络。在实现层面，LangGraph 提供的条件边（conditional edge）模式是典型方案：通过插入判断"检索结果是否充分"、"生成结果是否与事实一致"的节点，动态驱动检索循环。基于 LangGraph 的 Adaptive RAG 将选择性路由与验证相结合，据多项实现基准报告，相较于静态 RAG，可将幻觉减少多达 78%。

第五个要素是图 RAG（GraphRAG）。Microsoft Research 的 Edge 等人在 arXiv:2404.16130 中公开了 GraphRAG，并于 2025 年 2 月发布 v2。GraphRAG 使用 LLM 从文档集合中构建实体知识图谱，并预先计算社区检测与社区摘要，形成两阶段索引。这使得在百万 token 规模语料库上的"全局语义理解"（global sensemaking）型查询——即针对整体趋势或全面摘要的查询——在覆盖性与多样性两个维度上均大幅超越纯向量 RAG。此外，2024 年 11 月发布的 LazyGraphRAG 将索引成本降低至与向量 RAG 相当（仅为完整 GraphRAG 的 0.1%），查询时成本为 GraphRAG Global Search 的 1/700，同时保持同等的回答质量，并以 4% 的查询成本在全局与局部两类查询中均超越 GraphRAG，实现了成本与质量的兼顾。LazyGraphRAG 已于 2025 年内集成至 Microsoft Discovery 与 Azure Local，在产品层面正式投入实战。

第六个要素是长期记忆与状态管理。Harrison Chase 于 2026 年 4 月发表的论文《Your harness, your memory》明确提出：应将智能体的短期记忆（会话内消息及较大的工具调用结果）与长期记忆（跨会话记忆）加以分离，并将记忆管理职责集中至智能体框架（harness）一侧。他在 LangChain Deep Agents 中实现了"基于文件系统的工作记忆"、"渐进式技能披露"与"分层安全"，并强调"选择闭源方案意味着失去对自己数据的控制权"，力主记忆层的开源化。这与 OpenAI 在 Responses API（2025 年 3 月发布）中将托管工具原语（file_search、web_search、function calling）内化的策略形成鲜明对立，构成一个思想分歧的节点，也成为 2026 年智能体 AI 讨论的核心议题。

在 2026 年的生产环境中，整合上述六个要素的实现成本绝非轻松。独立顾问 Jahanzaib 于 2026 年初发布的生产指南显示：标准检索的每次查询单价为 0.06 至 0.09 美元（约 9 至 14 日元），而复杂的多跳 Agentic RAG 则可飙升至 0.18 至 0.31 美元（约 27 至 47 日元）。中等规模部署中，向量存储的月费约为 50 至 200 美元（约 7500 至 3 万日元），整体月费约为 2200 至 3400 美元（约 33 万至 51 万日元），P95 延迟的目标是控制在 2.5 秒以内。加入检索验证后，每次查询的延迟会增加 2 至 3 秒，但事实一致性有所提升。结合语义缓存，高重复负载下可降低 20 至 35% 的成本；结合智能路由，混合负载的成本可降低 30 至 45%，延迟可降低 25 至 40%——这是当前业界的普遍认知。

第3章　框架／编排层 —— LangChain、LlamaIndex、CrewAI，以及微软

Agentic RAG应用层实现框架的竞争，于2025年秋迎来了一个关键节点。LangChain于2025年10月20至21日完成了由IVP领投的B轮融资，融资额达1.25亿美元，以12.5亿美元的投后估值正式跻身独角兽行列。参与方包括CapitalG、Sapphire Ventures，战略投资方有ServiceNow Ventures、Workday Ventures、Cisco Investments、Datadog Ventures、Databricks Ventures，老股东Sequoia、Benchmark、Amplify亦跟进追加投资。正如Harrison Chase在Sequoia Capital播客《Context Engineering Our Way to Long-Horizon Agents》中所述："从三年前的简单RAG链，到基于LangGraph的复杂流程，再到Agent Harness，最优实现方式已经发生了翻天覆地的变化。"为应对这一趋势，LangChain构建了三层产品矩阵——LangChain（基础框架）、LangGraph（图式编排）和LangSmith（观测与评估），并在本轮B轮融资的同时正式发布了LangChain＋LangGraph 1.0。据《财富》杂志报道，LangChain公关方面表示，当前ARR"实际低于12至16百万美元这一区间，与我们目前的体量并不相符"，这暗示其真实增长速度正在加速至与IVP所定12.5亿美元估值相匹配的水平。Cisco、Replit、Clay、Cloudflare、Workday、ServiceNow等现有客户名单的出现，也印证了观测与评估付费层正有效地成为企业采购的切入点。

LlamaIndex于2025年3月4日完成了由Norwest Venture Partners领投的A轮融资，金额为1900万美元（Greylock参与，累计融资额2750万美元），同时LlamaCloud正式GA上线。创始人Jerry Liu在CEO博客中宣称："LlamaIndex已不再只是一个RAG框架，而是成为了Agentic Document Processing（智能体文档处理）的基础设施。"公司将业务定位从大而全的抽象框架收窄至"长期可用的最佳文档基础设施"。LlamaCloud已集成LlamaParse（文档解析）、AgentWorkflow（面向非结构化数据的多智能体知识协作）等功能，超过90家Fortune 500企业在内的逾万家机构已进入候补名单。GitHub Stars 47K、月下载量520万（2026年3月数据）的成绩，证明了聚焦文档处理的差异化定位与框架领域头部选手LangChain形成了有效共存。Jerry Liu在2026年初的Newsletter中观察到："编程智能体（Claude Code、Cursor）正以文件系统为核心向内收敛，智能体仅需5至10个核心工具加上文件系统访问即可运行"，这一判断暗示了类Agent Composer轻量工具集设计方向的未来走势。

专注多智能体角色分工的CrewAI于2024年10月完成了由Insight Partners和boldstart ventures领投的1800万美元融资。据Latka于2025年7月确认，其ARR为320万美元，但平台上过去12个月内执行的智能体任务数已突破20亿次，并公开披露Fortune 500中超过60%的企业为其客户。产品架构采用基于角色、目标与任务的智能体协作框架，即将"营销研究员""分析师""写作者"等角色按人类组织方式分配并协同工作，抽象层次高于LangGraph，实现代码更为简洁。公司已将企业云版本正式GA上线，并着重强调跨AWS/GCP/Azure多云部署能力及LLM供应商无关性。

由德国deepset主导的开源框架Haystack，最新一轮主要融资为2023年8月由Balderton Capital领投的3000万美元B轮，2025年12月将产品线重品牌为Haystack Enterprise Platform。产品具备可视化流水线编辑器、模板及私有化部署能力，维护着以Airbus、The Economist、NVIDIA、Comcast为代表的偏欧洲风格大型企业客户群，并在制造业和国防行业中确立了满足本地部署需求的优选地位。

微软将AutoGen与Semantic Kernel整合，于2026年4月正式发布Microsoft Agent Framework 1.0生产版本（2025年10月进入公开预览，翌年4月正式发布）。该框架融合了AutoGen的智能体抽象与Semantic Kernel的企业级能力（会话状态、类型安全、中间件、遥测），具备基于图的工作流编排、多供应商模型支持，以及A2A与MCP跨运行时互操作性。AutoGen此后仅进行维护性更新，新用户将被引导迁移至Agent Framework。微软的整合实质上成为Azure企业用户的事实标准Harness，并与LangChain的商业模式形成了正面竞争。

2025年，开源工作流构建器领域相继发生多起大规模整合。来自中国的Dify在HSG（高瓴）领投下完成3000万美元Pre-A轮融资，以超过13.1万GitHub Stars、包含马士基和诺华在内的280家企业客户，成为该赛道最后一个独立玩家。与此同时，Flowise于2025年8月被Workday收购，Langflow也于同年早些时候被DataStax（现为IBM旗下）收购。a16z和Sequoia反复指出的"品类赢家面临被收购风险阶段"的典型演进，已在工作流构建器层面成为现实。

第4章　向量数据库／检索基础层 —— Pinecone、Weaviate、Qdrant、Chroma、Turbopuffer

要使Agentic RAG真正高效运转，向量搜索的底层架构也需要经历重大演进。2025年至2026年间，这一领域的动向已成为硅谷最重要的基础设施投资主题之一。

Pinecone作为事实上的品类王者，于2023年4月以7.5亿美元（约合人民币54亿元）的估值完成了由a16z领投的1亿美元融资，一度处于巅峰地位，但随后在开源项目和超大规模云厂商的追赶下，于2025年发生了重大变化。创始人Edo Liberty于2025年9月从CEO职位退任，转任首席科学家，专注于"面向下一代智能体型AI系统的研究"。接任CEO一职的是曾任Google全球销售总监、并在AppDynamics和Actifio担任高管的Ash Ashutosh。Liberty常挂在嘴边的一句话是："未来五年，向量数据库将从一种技术工具转变为企业的长期记忆。"他们正在瞄准智能体长期记忆提供商这一新定位。2025年10月，The Information报道称Pinecone正联合投行探讨出售事宜，预期估价超过20亿美元，潜在买家包括Oracle、IBM、MongoDB和Snowflake。Latka的数据显示，截至2025年12月，Pinecone的营收约为1400万美元，客户数量约4000家，相对于C轮融资时的估值，ARR倍数明显增长乏力。产品层面，Pinecone推出了面向智能体构建的API产品Pinecone Assistant，推进了无服务器架构的改造，同时也开始提供MCP服务器。

Weaviate自Index Ventures领投、Battery Ventures、NEA、Cortical、Zetta及ING Ventures参与的5000万美元B轮融资（2023年4月）以来，截至2026年4月尚未宣布新一轮融资，但在此期间产品侧实现了加速突破。2025年3月，Weaviate完成了Weaviate Agents的全栈发布，同年9月将Query Agent正式推向GA。Query Agent的内部架构颇为有趣——接收用户查询后，它会执行多集合路由，并在单次工具调用中完成查询扩展与分解、过滤器生成及重排序。这是一种"通过单一API提供Agentic RAG"的战略性抽象，其设计理念也使得LangGraph等外部编排器不再是必需品。2026年2月，Weaviate公开了名为Weaviate Agent Skills的开源代码库，使Claude Code、Cursor、GitHub Copilot、VS Code、Gemini CLI等编程智能体能够生成针对Weaviate优化的代码。CEO Bob van Luijt表示："向量数据库、向量嵌入服务与智能体架构的崛起，是数据管理与数据转换演进历程中的一个重要转折点。"2026年1月，Weaviate获得GigaOm"领导者+超越者"以及Gartner"新兴领导者"的双重认可。

总部位于柏林的Qdrant于2026年3月12日完成了由AVP（Advance Venture Partners）领投的5000万美元B轮融资，Bosch Ventures、Unusual Ventures、Spark Capital及42CAP参与其中，累计融资总额达约8780万美元。公司拥有Tripadvisor、HubSpot、OpenTable、Bazaarvoice、Bosch等标杆客户，下载量超2.5亿次，GitHub Star数达2.9万。基于Rust实现的高性能，以及"可组合向量搜索"的定位——支持在云端、本地或混合环境中部署——使其与欧洲保守型企业客户尤为契合。

Chroma于2025年10月14日完成由Quiet Capital的Astasia Myers主导的B轮融资，以约7500万美元的估值融资1800万美元。其设计将向量、全文、正则表达式及元数据检索统一于单一的开发者体验之中，本地优先的轻量化嵌入方式深受独立RAG开发者及智能体应用原型构建者的青睐。

Milvus/Zilliz自2022年8月完成6000万美元B-II轮融资以来，虽未再进行大规模融资，但在产品层面仍保持着最大的开源心智份额——GitHub Star突破4万，在NVIDIA、Salesforce、eBay、Airbnb、DoorDash等超过1万家企业中落地生产环境，尤其在亚洲市场具有举足轻重的影响力。

新兴阵营中，Turbopuffer的崛起尤为值得关注。该公司由前Shopify工程师Simon Helarep Eskildsen与Justin Lee联合创立，总部位于渥太华，于2025年12月19日完成了由Lachy Groom、Thrive Capital及多位天使投资人参与的种子轮融资（融资金额未披露）。公司以Anthropic、Atlassian、Cursor、Notion为客户，提供以S3/GCS/Azure Blob等对象存储为一等公民的无服务器向量数据库。其采用基于centroid优化的SPFresh索引，在超大规模场景下的每GB成本方面远超竞争对手。在硅谷语境下，"Anthropic、Cursor、Notion等一线AI基础设施需求方已率先采用"这一事实本身，就已构成最有力的行业基准。LanceDB也于2025年6月24日完成了由Theory Ventures领投的3000万美元A轮融资，确立了其在Lance列式格式之上构建"AI原生多模态数据湖仓"的市场定位。

从工程师视角俯瞰这一领域，向量数据库正在分化为三个子品类：第一类是托管无服务器型（Pinecone），目前正在寻求出售；第二类是开源优先+托管云型（Weaviate、Qdrant、Chroma、Milvus）；第三类是对象存储驱动型（Turbopuffer、LanceDB）。Pinecone寻求出售的动向，被普遍解读为整个品类正式进入"被超大规模云厂商与开源方案双向夹击"阶段的信号。

第5章　端到端/情境化系平台 —— Contextual AI、Cohere、Vectara

Contextual AI是将Agentic RAG作为"一体化设计的单一系统"而非"各独立组件的拼凑"来提供的最具代表性的企业。创始人Douwe Kiela是2020年Meta RAG论文的第一作者，同时兼任斯坦福大学讲师。Contextual AI继2023年6月完成2000万美元（约30亿日元）种子轮融资后，于2024年8月实现了由Greycroft、Bain Capital Ventures、Lightspeed及Lip-Bu Tan等领投的8000万美元（约120亿日元）A轮融资，总融资额达1亿美元（约150亿日元）。2025年1月正式GA的Contextual AI Platform基于所谓RAG 2.0的设计理念，不再将检索器、重排序器与生成模型（Grounded Language Model）分别训练后拼接，而是对三者进行端到端的联合优化训练。据VentureBeat报道，Contextual GLM在FACTS基准测试中实现了88%的事实一致性，超越Claude 3.5 Sonnet（79.4%）和GPT-4o（78.8%）。在最新的前沿RAG基准测试中录得71.2%，超过最强基线（Cohere + Claude 3.5）的66.8%。公司已获得汇丰银行、高通等财富500强客户，并于2026年1月推出了将企业级RAG转化为生产就绪智能体的Agent Composer。然而，CB Insights数据显示其年收入规模仅约1760万英镑，估值仍在1.5亿美元（约225亿日元）左右。"技术上遥遥领先，但ARR尚未跟上"——这便是Contextual AI当前的处境，下一轮融资的估值水平备受关注。

Cohere是由《Attention Is All You Need》共同作者Aidan Gomez担任CEO的加拿大多伦多企业，作为企业级LLM的先行者实现了快速增长。2025年8月完成由Radical Ventures/Inovia Capital领投的5亿美元（约750亿日元）融资，估值达68亿美元（约1万200亿日元）；同年9月追加1亿美元（约150亿日元）的第二次交割，估值进一步提升至70亿美元（约1万500亿日元），AMD、NVIDIA、Salesforce Ventures及HOOPP参与其中。总融资额超16亿美元（约2400亿日元）。2025年ARR达2亿4000万美元（约360亿日元），超额完成原定2亿美元目标；公司延揽具有IPO经验的François Chadwick出任CFO，被视为2026年IPO的有力候选。主力产品包括：拥有1110亿参数、256K上下文窗口的旗舰模型Command A（2025年3月发布，相比Command R+ 08-2024吞吐量提升150%，可在A100/H100×2张卡上运行）、专为企业推理设计的Command A Reasoning（2025年8月）、支持4K上下文且可对100余种语言进行重排序的Rerank 3.5，以及面向企业的智能体基础平台"North"。Cohere于2025年5月收购Ottogrid（前身为Cognosys），将研究型智能体功能整合至North。最大的差异化优势在于三点："主权AI"、"多语言支持"与"VPC/私有化部署"，这一组合对监管严格的金融及公共部门，以及有多语言需求的欧洲、日本企业市场极具吸引力。

Vectara在种子轮融资2850万美元（约42亿7500万日元），并于2024年7月完成由FPV Ventures与Race Capital领投、Samsung Next和Fusion Fund参与的2500万美元（约37亿5000万日元）A轮融资，总融资规模约5350万至7350万美元。公司拥有专为降低幻觉而设计的LLM Mockingbird，是一家垂直整合型RAG API提供商，专注于在受监管行业的落地应用。2025年以来未宣布新一轮融资，持续巩固其作为精简型实施平台的市场定位。

第6章　垂直专业化的Agentic RAG —— Harvey、Hebbia、Sierra、Decagon、Glean

与水平平台层并行，专注特定领域的"垂直型Agentic RAG"在2025年至2026年间吸引了最大规模的资本。追踪各公司的商业模式与融资历程，VC的投资重点一目了然。

专注法律领域的Harvey继2024年D轮融资之后，于2025年6月以50亿美元（约750亿人民币）估值完成由Kleiner Perkins与Coatue联合领投的3亿美元（约45亿人民币）E轮融资；2025年12月以80亿美元（约1200亿人民币）估值完成a16z领投的1.6亿美元（约24亿人民币）融资；2026年3月25日以110亿美元（约1650亿人民币）估值完成由GIC与Sequoia联合领投（Sequoia第三次参与）的2亿美元（约30亿人民币）融资。累计融资总额突破10亿美元（约150亿人民币）。Harvey截至2026年1月的ARR已达1.9亿美元（约28.5亿人民币），较2025年8月的1亿美元（约15亿人民币）在半年内增长1.9倍。客户覆盖AmLaw 100中的过半数律所、500余家企业内部法务团队、50家资产管理公司，业务遍及60个国家。Sequoia在2026年3月的轮次中再度印证了"Agentic AI垂直用例的可防御性"，Harvey已成为2026年垂直Agentic RAG领域最重要的标杆企业。

专注金融与法律深度工作的Hebbia，于2024年4月至7月间完成由a16z领投、Index Ventures、GV、Peter Thiel、Eric Schmidt、Jerry Yang等参与的1.3亿美元（约19.5亿人民币）B轮融资，估值达7亿美元（约105亿人民币）。彼时ARR约为1300万美元（约1.95亿人民币），对应54倍估值乘数。客户覆盖全球顶级资产管理公司的三分之一，合计管理规模达14万亿美元（约210万亿人民币）。核心产品Matrix采用电子表格网格UI，以原生方式呈现多智能体的检索、落地与核验流程，于2025年6月完成重新设计，同月收购FlowDocs以内置幻灯片生成功能（目前每日生成超1万份幻灯片）。Hebbia是最忠实践行a16z"以AI智能体替代深度工作"理论的企业。

由Bret Taylor（OpenAI董事长、前Salesforce联席CEO）与Clay Bavor（前Alphabet高管）联合创立的Sierra，继2024年10月以4.5亿美元估值完成1.75亿美元（约26.25亿人民币）融资后，于2025年9月4日以100亿美元（约1500亿人民币）估值完成由Greenoaks Capital领投的3.5亿美元（约52.5亿人民币）融资，累计融资总额达6.35亿美元（约95.25亿人民币）。ARR于2025年11月达到1亿美元（约15亿人民币），创下创业第七季度的纪录，并在成立三年内将年营收运行率推至1.5亿美元（约22.5亿人民币）。客户涵盖数百家大型企业，其中逾20%年营收超百亿美元。Sierra以客户服务为核心，其优势在于为品牌提供可将业务权限委托给智能体至"实际执行操作"层级（如退款处理、工单创建）的校验工具，而Bret Taylor品牌效应所带来的信任度，是其突出的差异化优势。

Decagon于2025年6月以15亿美元（约225亿人民币）估值完成由Accel与a16z联合领投的1.31亿美元（约19.65亿人民币）融资，仅七个月后的2026年1月28日，又以45亿美元（约675亿人民币）估值完成由Coatue与Index Ventures联合领投的2.5亿美元（约37.5亿人民币）融资。估值在半年多时间内增长三倍，其将产品重新定位为高接触客户服务AI"AI Concierge"的战略初见成效。2025年内已签约逾100家新企业客户，D轮融资参与方包括Bain Capital Ventures、BOND、Ribbit、Forerunner、Avra、A*、ChemistryVC、Definition Capital及Starwood Capital。

将企业搜索拓展至Agentic AI领域的Glean，继2024年9月完成2.6亿美元（约39亿人民币）E轮融资（估值46亿美元，约690亿人民币）后，于2025年6月10日以72亿美元（约1080亿人民币）估值完成由Wellington Management领投的1.5亿美元（约22.5亿人民币）F轮融资。新进投资方包括Khosla Ventures、Bicycle Capital、Geodesic Capital及Archerman，现有投资方Altimeter、Capital One Ventures、Citi、Coatue、DST、General Catalyst、ICONIQ、IVP、Kleiner Perkins、Latitude、Lightspeed、Sapphire及Sequoia均追加投资。Glean整合了权限感知型企业SaaS连接器、Glean Agents及工作助手，已成为Reid Hoffman所言"智能体增幅（agent amplification）"的代表案例，在硅谷核心圈层中被广泛引用。

同属垂直赛道的Writer.com于2024年11月12日以19亿美元（约285亿人民币）估值完成由Premji Invest、Radical Ventures与ICONIQ Growth联合领投的2亿美元（约30亿人民币）融资，Adobe Ventures、B Capital、Citi Ventures、IBM Ventures、Salesforce Ventures及Workday Ventures参与其中。该公司将自研大模型Palmyra系列与图谱型RAG、安全护栏及无代码智能体构建器相结合，面向医疗健康、零售及金融服务行业提供垂直化解决方案。

企业级LMS/知识管理平台Sana AI于2025年9月16日以11亿美元（约165亿人民币）被Workday收购，成为该领域2025年规模最大的智能体并购案例。同样，workflow builder平台Flowwise也被Workday收购，Langflow则被DataStax（现已并入IBM）纳入麾下，垂直SaaS厂商在企业内部嵌入Agentic RAG的进程正在快速推进。

第7章　MCP与生态系统标准化 —— 为什么Anthropic将MCP捐赠给Linux基金会

在Agentic RAG的讨论中，2025年最重大的架构事件是Model Context Protocol（MCP）的行业标准化。Anthropic于2024年11月公开MCP时，它不过是一家公司的开放规范，但2025年3月OpenAI在Agents SDK、Responses API及ChatGPT desktop中宣布采用，同年4月Google DeepMind也相继跟进。截至2026年3月，Python/TypeScript SDK的月下载量已达9700万次，公开的MCP服务器超过1万个。2025年11月25日，规范进行了重大更新，涵盖async操作、无状态性、服务器标识及社区驱动注册表等内容；2025年12月，Anthropic将MCP捐赠给Linux Foundation旗下的Agentic AI Foundation（AAIF）。AAIF由Anthropic、Block、OpenAI联合创立，Google、Microsoft、AWS、Cloudflare、Bloomberg提供支持。

随着MCP的标准化，Agentic RAG的竞争轴线已从"使用哪个向量数据库"转变为"使用哪个框架/控制层"。Pinecone提供MCP服务器，Weaviate Agent Skills通过MCP与编码代理进行交互，Anthropic自身也借助MCP实现了对数千个数据源的访问，LangChain与Microsoft Agent Framework均宣称原生支持MCP。由此，数据源侧的连接器价值迅速商品化，价值重心转向编排与数据治理。Forrester预测，30%的企业应用供应商将在2026年底前发布MCP服务器。

与之形成竞争态势的是OpenAI的Responses API，其策略是将托管工具原语（file_search、web_search、function calling）收归OpenAI内部。Responses API的file_search定价为每1000次查询2.5美元，存储费用为每GB每天0.10美元，新建的向量存储最多支持1亿个文件（2025年11月扩展后从1万提升至1亿）。Assistants API将于2026年8月26日停用，功能并入Responses API。工程师面临的选择十分清晰：是加入"OpenAI/Microsoft等封闭生态系统"，还是"基于MCP＋LangChain/LangGraph/Agent Framework构建自有控制层"——这是一个关乎基础设施自主权的分岔路口。Harrison Chase在《Your harness, your memory》中写道"选择闭源，便意味着失去对自身数据的控制权"，正是针对这一分歧所发出的声音。

第8章　硅谷风险投资的资本配置与报道基调

2025年VC投资总体来看，AI相关融资总额从2024年的1140亿美元（约17.1万亿日元）飙升75%，突破2020亿美元（约30.3万亿日元），占全部VC投资的约一半。在独角兽级别交易中，主导交易数量最多的是Sequoia（51笔／21家独角兽）和a16z（50笔／20家）这对双子星，Greylock、Benchmark、Kleiner Perkins、IVP、Index Ventures、Accel、Lightspeed、Coatue、Insight Partners、General Catalyst紧随其后，深度参与Agentic RAG技术栈。a16z公开表示，在2025～26年间累计组建了逾150亿美元（约2.25万亿日元）的基金，单独撬动了美国VC投资额的18%。Sequoia与SoftBank、Google Ventures并肩，于2026年4月宣布规模70亿美元（约1.05万亿日元）的新基金，声称将进一步扩大AI投资。

阅读各家VC公开发布的思想文件，可以清晰看到他们对Agentic RAG的关注视角。a16z在2026年1月发布的《Big Ideas 2026》中将"AI数据转型层"列为基础性创业类别，指出RAG系统面临"因信息源相互矛盾或过时而产生的幻觉，以及Agent工作流以精细而高昂的代价崩溃"等问题，并论证数据质量才是真正的瓶颈。Sequoia在《2026: This is AGI》中宣称"长期视野的Agent在功能上已是AGI，而2026年将是那一年"，在《AI in 2026: A Tale of Two AIs》中则强调从副驾驶向自主Agent的转变。Bessemer Venture Partners在《AI Infrastructure Roadmap: Five frontiers for 2026》中分析称"推理工作负载在算力需求和经济重要性上已与训练旗鼓相当，在许多情况下甚至超越训练"，并明确表示正在密切关注TensorMesh（LMCache）、RadixArk（SGLang路由）、Inferact（vLLM）等专注Agent的基础设施。

各媒体的报道基调也呈现出一定的趋同。TechCrunch在2025年10月21日的《Open-source agentic startup LangChain hits $1.25B valuation》中详细报道了LangChain的情况；在2026年3月25日的《Harvey confirms $11B valuation, Sequoia triples down》中强调了Sequoia对垂直Agentic RAG的坚定信念；在2026年4月16日的《New leaders, new fund: Sequoia has raised $7B to expand its AI bets》中追踪了Sequoia的资本承诺。The Information率先报道了Pinecone出售传闻，Bloomberg于2026年1月28日在《AI customer support startup Decagon valued at $4.5 billion》中传递了垂直Agent的急速增长。CNBC在2025年6月10日的《Glean raises $150M at $7.2 billion valuation》中追踪了Agent向大型企业的渗透。Fortune在2025年10月20日的独家采访中披露了LangChain的ARR情况，VentureBeat则多次引用Contextual AI的基准测试结果。

纵观2025～2026年VC资本配置，可以看到明显的分化。框架层（LangChain、LlamaIndex、CrewAI）获得了数亿美元量级的资本注入，但估值仍停留在十亿美元一两位数规模。向量数据库层（Pinecone、Qdrant、Chroma）持续获得5000万～1亿美元规模的融资，但类别王者Pinecone已在考虑出售，开始显现出被开源方案与超大规模云厂商夹击的压力。与此形成鲜明对比的是，垂直Agentic RAG（Harvey、Sierra、Decagon、Hebbia、Glean、Cohere）单笔即可连续完成数亿至十亿美元级别的融资，估值也攀升至45亿～110亿美元。从ARR与估值的倍数对比来看，垂直侧的资本效率明显更高。这正是VC们在OpenAI、Anthropic、Google DeepMind垄断平台侧知识优势的背景下，判断"在基础模型之上全面承接业务的垂直Agent"将获得最大经济价值的有力佐证。

批判性声音也在同期涌现。Gartner在2025年6月25日的新闻稿中警告称"超过40%的Agent型AI项目将在2027年底前被取消"，并将治理缺失和可观测性不足列为主因。麦肯锡2025年秋季发布的《State of AI 2025》报告指出，超过80%的企业尚未感受到生成式AI对营收的实质贡献，成功将AI Agent在单项功能上规模化落地的组织不足10%。SaaStr的Jason Lemkin在2025年的《SaaS Vibe Check》中反复强调"赢家既是建设者，也是故事讲述者"，同时警告"没有观测与评估机制的生产环境AI Agent是定时炸弹"。Anthropic多Agent评估所揭示的"标准对话15倍token消耗"这一事实，作为成本问题的缩影，被反复援引。

第9章　2026年下半年至2027年预测的新动向

综合多家风险投资机构、分析师及智库的预测，未来12至18个月内可观察到的动向轮廓已相对清晰。

其一，长期记忆与智能体框架（Agent Harness）的标准化竞争全面提速。 LangChain Deep Agents、Microsoft Agent Framework 1.0、OpenAI Responses API、Anthropic Claude＋MCP、Databricks Genie Code这五大主流框架，将在2026年下半年至2027年间争夺"智能体操作系统"的宝座。最终胜负或许还需数年方能揭晓，但MCP捐赠给Linux Foundation一事，至少已使连接器层实现了中立化。2026年5月13至14日在旧金山召开的LangChain大会（Harrison Chase、Jensen Huang、Andrew Ng出席），将成为开放系框架阵营凝聚共识的重要场合。

其二，垂直领域Agentic RAG的行业类别领导者格局逐步确立。 Harvey（法务）、Hebbia（金融）、Sierra（客户服务）、Decagon（客户服务/AI礼宾）、Glean（企业搜索）、Writer（内容）、Harvey的潜在竞争者Spellbook、EvenUp（保险及人身伤害）、Norm Ai（合规）等，各行业中"提到Agentic RAG就想到这家"的单一寡头化趋势正在推进。Sequoia、a16z、Coatue、Index Ventures预计将在此阶段持续追加投资，将其推向IPO水准。Cohere是最有力的IPO候选，目标窗口为2026年第二至第三季度。

其三，向量数据库层的整合重组提速。 若Pinecone完成收购，Oracle、IBM、Snowflake、MongoDB中的某一方将纳入该类别领导者，与开源系的Weaviate、Qdrant、Milvus之间的生态分野也将更为清晰。与此同时，若由对象存储驱动的Turbopuffer和LanceDB深度整合进阿里云、AWS、Azure的原生服务，"向量数据库独立类别"本身或将面临瓦解。Edo Liberty所描绘的"向量数据库成为企业级长期记忆"愿景能否落地，最迟到2027年将见分晓。

其四，评估与可观测性基础设施迎来爆发式增长。 LangSmith、Arize、Galileo、TruEra、Ragas、Phoenix、Braintrust等评估与观测平台，在2025至2026年间已持续完成数千万美元级别的融资。正如Gartner"40%项目将被叫停"的警告所揭示的，智能体型项目成败的关键，归根结底在于"能否观察生产环境中的行为、能否以数字化方式管控质量"。预计2026年下半年起，AI可观测性将作为独立类别形成完整生态。

其五，日本企业加速进军企业级Agentic RAG市场。 据多方报道，乐天、NTT Data、富士通、NEC、KDDI、软银、Mercari、LINE雅虎等大型IT及电信企业将相继发布面向法人的Agentic RAG产品。此外，NTT的tsuzumi、富士通的Takane、NEC的cotomi等国产大模型与Cohere、Claude等海外模型组合而成的混合架构，预计将成为主流。随着政府采购中主权AI要求的逐步落地，Cohere等以"主权AI"为旗帜的厂商在日本市场的存在感有望显著提升。

其六，智能体间互操作协议（Agent-to-Agent，A2A）成为下一个标准化战场。 Microsoft Agent Framework已将A2A＋MCP的跨运行时互操作列为核心目标，其他厂商亦纷纷跟进，AAIF（Agentic AI Foundation）有望主导该领域通用规范的制定。一旦智能体将任务委托给另一智能体的机制得到标准化，Agentic RAG将从"单一智能体检索"演进为"智能体生态系统协同检索"。Singh et al.综述论文中所描述的"多智能体协作"阶段，在实现层面真正落地，有望于2027年前后实现。

第10章　结语 —— Agentic RAG：从"检索工具"到"智能基础设施"

截至2026年4月，硅谷风险投资资本所揭示的事实是：RAG这一概念已超越"检索工具"的范畴，演化为企业级智能基础设施本身。Pinecone创始人Edo Liberty所言"向量数据库将转型为企业的长期记忆"的预言，Databricks联合创始人、2026年ACM Computing奖得主Matei Zaharia所观察到的"AGI已然在此，只是尚未以我们所评估的形式存在"，Harrison Chase所主张的"执行框架与记忆系统应当保持开放"的理念，以及Douwe Kiela所践行的"将检索与生成整合为单一系统的RAG 2.0"的工程雄心——这些思想的交汇之处，正在崛起一个名为Agentic RAG的现在进行时的基础设施层。

硅谷的风险投资机构将Agentic RAG视为决定企业软件未来十年走向的构造性变革，而非AI的一个子议题。IVP以125亿美元估值投资LangChain，Sequoia三度押注Harvey，a16z领投Hebbia与Decagon的增长，Coatue持续押注垂直智能体，Greycroft／Bain／Lightspeed支撑Contextual AI的RAG 2.0，Wellington Management作为传统资产管理公司入局Glean——这种多层次的资本配置模式表明，Agentic RAG是一个横跨"基础设施投资"、"企业应用投资"与"生产力投资"三大领域的、射程极为宽广的主题。

另一方面，Gartner预测的"40%项目取消率"、Anthropic报告的"15倍Token消耗"、麦肯锡指出的"不足10%的规模化落地率"，也暗示泡沫与预期的调整阶段难以避免。从2026年下半年至2027年，Agentic RAG将从"随处可用的魔法"这一期待，走向成熟——成为"具备明确ROI与可观测性、深度嵌入业务流程的基础设施"。在此过程中，赢家与输家将泾渭分明。硅谷工程师当下真正需要审视的，并非某个特定框架或向量数据库的选型本身，而是一个更为根本的架构判断："在哪一层控制平面之上承载企业的长期记忆？"待到2027年回望Agentic RAG之时，我们将把它铭记为"AI应用设计思想从流水线范式向流程范式迁移的历史转折点"。

第10章　结语 —— Agentic RAG：从"检索工具"到"智能基础设施"

截至2026年4月，硅谷风险投资资本所揭示的事实是：RAG这一概念已经超越了"检索工具"的范畴，进化为企业级知识基础设施本身。Pinecone创始人Edo Liberty所预言的"向量数据库将转型为企业的长期记忆"，Databricks联合创始人、2026年ACM计算奖得主Matei Zaharia所观察到的"AGI已经存在，只是尚未以我们所评估的形式呈现"，Harrison Chase所主张的"harness与记忆应当保持开放"的理念，以及Douwe Kiela所践行的"将检索与生成整合为单一系统的RAG 2.0"的工程抱负——这些思想的交汇之处，正在崛起一个名为Agentic RAG的现在进行时的基础设施层。

硅谷的风险投资机构将Agentic RAG视为决定企业软件下一个十年的构造性变革，而非AI的一个子议题。IVP对LangChain给出12.5亿美元的估值，Sequoia三度投资Harvey，a16z领投Hebbia与Decagon的成长，Coatue持续押注垂直领域智能体，Greycroft、Bain、Lightspeed支持Contextual AI的RAG 2.0，Wellington Management作为传统资产管理公司入局Glean——这种多层次的资本配置模式表明，Agentic RAG是一个横跨"基础设施投资"、"企业应用投资"与"生产力投资"三大领域的、射程极为宽广的主题。

另一方面，Gartner预测的"40%取消率"、Anthropic报告的"15倍token消耗"、麦肯锡指出的"规模化落地不足10%"等现实，也暗示着泡沫与预期的调整阶段难以避免。从2026年下半年到2027年，Agentic RAG将从"随处可用的魔法"这一期待，走向"具备明确ROI与可观测性、深度嵌入业务流程的基础设施"的成熟阶段。在这一过程中，胜者与败者将泾渭分明。硅谷工程师当下应当关注的，不是某个特定框架或向量数据库的选型本身，而是"在哪个控制层之上承载自身的长期记忆"这一更为根本的架构判断。当我们在2027年回望Agentic RAG时，将会把它铭记为"AI应用的设计理念从流水线式向流程式转型的历史转折点"。

来源

  • Singh, Ehtesham, Kumar, Khoei, Vasilakos，"Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG"（arXiv:2501.09136）— https://arxiv.org/abs/2501.09136
  • Asai 等，"Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection"（arXiv:2310.11511）— https://arxiv.org/abs/2310.11511
  • Yan 等，"Corrective Retrieval Augmented Generation"（arXiv:2401.15884）— https://arxiv.org/abs/2401.15884
  • Jeong, Baek, Cho, Hwang, Park，"Adaptive-RAG"（arXiv:2403.14403）— https://arxiv.org/abs/2403.14403
  • Yao 等，"ReAct: Synergizing Reasoning and Acting in Language Models"（arXiv:2210.03629）— https://arxiv.org/abs/2210.03629
  • Edge 等，微软研究院，"From Local to Global: A Graph RAG Approach to Query-Focused Summarization"（arXiv:2404.16130）— https://arxiv.org/abs/2404.16130
  • 微软研究院，"LazyGraphRAG: Setting a new standard for quality and cost" — https://www.microsoft.com/en-us/research/blog/lazygraphrag-setting-a-new-standard-for-quality-and-cost/
  • 微软研究院，GraphRAG 项目 — https://www.microsoft.com/en-us/research/project/graphrag/
  • 微软研究院，"BenchmarkQED: Automated benchmarking of RAG systems" — https://www.microsoft.com/en-us/research/blog/benchmarkqed-automated-benchmarking-of-rag-systems/
  • Anthropic 工程团队，"How we built our multi-agent research system" — https://www.anthropic.com/engineering/multi-agent-research-system
  • Anthropic，"Introducing Contextual Retrieval" — https://www.anthropic.com/news/contextual-retrieval
  • Anthropic，"Introducing the Model Context Protocol" — https://www.anthropic.com/news/model-context-protocol
  • Anthropic，"Donating the Model Context Protocol and establishing the Agentic AI Foundation" — https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
  • 模型上下文协议规范 2025-11-25 — https://modelcontextprotocol.io/specification/2025-11-25
  • NVIDIA 开发者博客，"Traditional RAG vs Agentic RAG — Why AI Agents Need Dynamic Knowledge to Get Smarter" — https://developer.nvidia.com/blog/traditional-rag-vs-agentic-rag-why-ai-agents-need-dynamic-knowledge-to-get-smarter/
  • NVIDIA AI Blueprints，RAG 参考实现 — https://github.com/NVIDIA-AI-Blueprints/rag
  • Cohere，"Rerank" — https://cohere.com/rerank
  • Cohere 文档，"Command A" — https://docs.cohere.com/docs/command-a
  • BAAI，"BGE Reranker v2-m3" — https://huggingface.co/BAAI/bge-reranker-v2-m3
  • Khattab 与 Zaharia，"ColBERT"（arXiv:2004.12832）— https://arxiv.org/abs/2004.12832
  • OpenAI，"New Tools for Building Agents" — https://openai.com/index/new-tools-for-building-agents/
  • OpenAI，"New tools and features in the Responses API" — https://openai.com/index/new-tools-and-features-in-the-responses-api/
  • OpenAI 开发者，"Responses API tool orchestration" — https://developers.openai.com/cookbook/examples/responses_api/responses_api_tool_orchestration
  • OpenAI 平台文档，"Deep Research Guide" — https://platform.openai.com/docs/guides/deep-research
  • Andreessen Horowitz，"Big Ideas 2026（第一部分）" — https://a16z.com/newsletter/big-ideas-2026-part-1/
  • Andreessen Horowitz，"The Rise of Computer Use and Agentic Coworkers" — https://a16z.com/the-rise-of-computer-use-and-agentic-coworkers/
  • Andreessen Horowitz，"Vector Databases and the Power of RAG" — https://a16z.com/podcast/vector-databases-and-the-power-of-rag/
  • Andreessen Horowitz，"Investing in Hebbia" — https://a16z.com/announcement/investing-in-hebbia/
  • Sequoia Capital，"2026: This is AGI" — https://sequoiacap.com/article/2026-this-is-agi/
  • Sequoia Capital，"AI in 2026: A Tale of Two AIs" — https://sequoiacap.com/article/ai-in-2026-the-tale-of-two-ais/
  • Sequoia Capital 播客，"Context Engineering Our Way to Long-Horizon Agents"（Harrison Chase）— https://sequoiacap.com/podcast/context-engineering-our-way-to-long-horizon-agents-langchains-harrison-chase/
  • Sequoia Capital，"LangChain: From Agent 0 to 1 to Agentic Engineering" — https://sequoiacap.com/article/langchain-from-agent-0-to-1-to-agentic-engineering/
  • Bessemer Venture Partners，"AI Infrastructure Roadmap: Five frontiers for 2026" — https://www.bvp.com/atlas/ai-infrastructure-roadmap-five-frontiers-for-2026
  • Bessemer Venture Partners，"Securing AI Agents" — https://www.bvp.com/atlas/securing-ai-agents-the-defining-cybersecurity-challenge-of-2026
  • Gartner 新闻稿，"到 2026 年 40% 的企业应用将具备特定任务 AI 代理" — https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
  • Gartner 新闻稿，"超过 40% 的 Agentic AI 项目将在 2027 年底前被取消" — https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
  • Gartner，具备 Agentic AI 的供应链管理软件 530 亿美元预测 — https://www.gartner.com/en/newsroom/press-releases/2026-04-07-gartner-forecasts-supply-chain-management-software-with-agentic-ai-will-grow-to-53-billion-in-spend-by-2030
  • 麦肯锡，"2026 年 AI 信任状况：迈向 Agentic 时代" — https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
  • 麦肯锡，"Seizing the Agentic AI Advantage" — https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage
  • 麦肯锡，"The State of AI 2025: Agents, Innovation" — https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/november%202025/the-state-of-ai-2025-agents-innovation_cmyk-v1.pdf
  • MarketsandMarkets，RAG 市场报告 — https://www.marketsandmarkets.com/PressReleases/retrieval-augmented-generation-rag.asp
  • MarketsandMarkets，向量数据库市场 — https://www.marketsandmarkets.com/Market-Reports/vector-database-market-112683895.html
  • Grand View Research，RAG 市场 — https://www.grandviewresearch.com/industry-analysis/retrieval-augmented-generation-rag-market-report
  • Fortune Business Insights，Agentic AI 市场 — https://www.fortunebusinessinsights.com/agentic-ai-market-114233
  • LangChain 博客，"B 轮融资公告" — https://blog.langchain.com/series-b/
  • TechCrunch，"开源 Agentic 初创公司 LangChain 估值达 12.5 亿美元" — https://techcrunch.com/2025/10/21/open-source-agentic-startup-langchain-hits-1-25b-valuation/
  • Fortune，"早期 AI 明星 LangChain 成为独角兽" — https://fortune.com/2025/10/20/exclusive-early-ai-darling-langchain-is-now-a-unicorn-with-a-fresh-125-million-in-funding/
  • LangChain 博客，"Your harness, your memory" — https://www.langchain.com/blog/your-harness-your-memory
  • LangChain 博客，NVIDIA 企业合作伙伴关系 — https://blog.langchain.com/nvidia-enterprise/
  • LangChain 通讯，2026 年 3 月 — https://www.langchain.com/blog/march-2026-langchain-newsletter
  • TechCrunch，"LlamaIndex 推出用于构建非结构化数据代理的云服务" — https://techcrunch.com/2025/03/04/llamaindex-launches-a-cloud-service-for-building-unstructed-data-agents/
  • LlamaIndex 博客，"A 轮融资及 LlamaCloud 正式发布" — https://www.llamaindex.ai/blog/announcing-our-series-a-and-llamacloud-general-availability
  • LlamaIndex 博客，"LlamaIndex 不仅仅是一个 RAG 框架" — https://www.llamaindex.ai/blog/llamaindex-is-more-than-a-rag-framework
  • PRNewswire，"LlamaIndex 完成 1900 万美元 A 轮融资" — https://www.prnewswire.com/news-releases/llamaindex-secures-19-million-series-a-to-power-enterprise-grade-knowledge-agents-302390936.html
  • Norwest Venture Partners，"LlamaIndex" — https://www.norwest.com/blog/llamaindex-harnesses-the-power-of-enterprise-data-for-ai-agent-workflows/
  • Pulse2，"CrewAI 多智能体平台完成 1800 万美元 A 轮融资" — https://pulse2.com/crewai-multi-agent-platform-raises-18-million-series-a/
  • Insight Partners，"CrewAI ScaleUp AI 故事" — https://www.insightpartners.com/ideas/crewai-scaleup-ai-story/
  • Enterprise AI World，CrewAI 1800 万美元融资 — https://www.enterpriseaiworld.com/Articles/News/News/$18M-in-Funding-Catapults-CrewAIs-Multi-Agentic-Platform-to-the-Enterprise-Level-166495.aspx
  • deepset，"Balderton Capital 融资公告" — https://www.deepset.ai/news/funding-announcement-balderton-capital
  • deepset，"Introducing Haystack Enterprise Platform" — https://www.deepset.ai/blog/introducing-haystack-enterprise-platform
  • Visual Studio Magazine，"微软发布可用于生产的 Agent Framework 1.0" — https://visualstudiomagazine.com/articles/2026/04/06/microsoft-ships-production-ready-agent-framework-1-0-for-net-and-python.aspx
  • Microsoft Learn，"Agent Framework 概述" — https://learn.microsoft.com/en-us/agent-framework/overview/
  • Visual Studio Magazine，"Semantic Kernel + AutoGen 开源微软 Agent Framework" — https://visualstudiomagazine.com/articles/2025/10/01/semantic-kernel-autogen--open-source-microsoft-agent-framework.aspx
  • Dify — https://dify.ai/
  • Pinecone 博客，"B 轮融资" — https://www.pinecone.io/blog/series-b/
  • TechCrunch，"Pinecone 以 7.5 亿美元估值完成 1 亿美元投资" — https://techcrunch.com/2023/04/27/pinecone-drops-100m-investment-on-750m-valuation-as-vector-database-demand-grows/
  • VentureBeat，"Pinecone 创始人 Edo Liberty 任命谷歌人 Ash 担任 CEO" — https://venturebeat.com/data-infrastructure/pinecone-founder-edo-liberty-appoints-googler-ash-as-ceo
  • PRNewswire，Pinecone CEO 交接 — https://www.prnewswire.com/news-releases/pinecone-founder-edo-liberty-to-spearhead-pinecones-growing-ai-ambitions-appoints-ash-ashutosh-as-ceo-to-expand-vector-database-market-leadership-302549334.html
  • Calcalist Tech，Pinecone 出售猜测 — https://www.calcalistech.com/ctechnews/article/rz31q82b5
  • TechTarget SearchDataManagement，Pinecone 展望未来 — https://www.techtarget.com/searchdatamanagement/news/366631366/Vector-database-vendor-Pinecone-eyes-future-under-new-CEO
  • Pinecone 博客，"Pinecone Assistant 正式发布" — https://www.pinecone.io/blog/pinecone-assistant-generally-available/
  • Weaviate，"Weaviate B 轮融资" — https://www.prnewswire.com/news-releases/weaviate-raises-50-million-series-b-funding-to-meet-soaring-demand-for-ai-native-vector-database-technology-301803296.html
  • Weaviate，Weaviate 走向全栈 — https://www.globenewswire.com/news-release/2025/03/04/3036570/0/en/Weaviate-Goes-Full-Stack-With-Launch-of-Weaviate-Agents-for-AI-Development.html
  • Weaviate 博客，Query Agent — https://weaviate.io/blog/query-agent
  • Weaviate 博客，2025 年度回顾 — https://weaviate.io/blog/weaviate-in-2025
  • Weaviate，Agent Skills 发布 — https://www.globenewswire.com/news-release/2026/02/21/3242244/0/en/Weaviate-Launches-Agent-Skills-to-Empower-AI-Coding-Agents.html
  • Weaviate，GigaOm 领导者 / Gartner 新兴领导者认可 — https://www.globenewswire.com/news-release/2026/01/14/3218396/0/en/Weaviate-named-a-Leader-and-Outperformer-by-GigaOm-and-Emerging-Leader-by-Gartner-Market-Momentum-Accelerates-as-Nonrelational-DBMS-Segment-Grows-22-7.html
  • TechCrunch，"Qdrant 开源向量数据库" — https://techcrunch.com/2024/01/23/qdrant-open-source-vector-database/
  • Qdrant 博客，"A 轮融资" — https://qdrant.tech/blog/series-a-funding-round/
  • BusinessWire，"Qdrant 完成 5000 万美元 B 轮融资" — https://www.businesswire.com/news/home/20260312313902/en/Qdrant-Raises-$50-Million-Series-B-to-Define-Composable-Vector-Search-as-Core-Infrastructure-for-Production-AI
  • Chroma 公司，"种子轮" — https://www.trychroma.com/company/seed
  • Medium，"我们对 Chroma 的投资（Astasia Myers）" — https://medium.com/memory-leak/our-investment-in-chroma-the-developer-centric-embedding-database-34277ac327e8
  • Salestools，Chroma B 轮融资报告 — https://salestools.io/en/report/chroma-raises-18m-series-b
  • TechCrunch，"Zilliz 迁往旧金山，完成 6000 万美元融资" — https://techcrunch.com/2022/08/24/zilliz-the-startup-behind-the-milvus-open-source-vector-database-for-ai-applications-raises-60m-and-relocates-to-sf/
  • Yahoo Finance，"Milvus GitHub 星标突破 40000" — https://finance.yahoo.com/news/milvus-surpasses-40-000-github-010000562.html
  • TechCrunch，Vespa 分拆 — https://techcrunch.com/2023/10/04/yahoo-spins-out-vespa-its-search-tech-into-an-independent-company/
  • Vespa.ai，Blossom Capital 融资 — https://vespa.ai/2023-11-01-blossom-funding/
  • Tracxn，LanceDB 简介 — https://tracxn.com/d/companies/lancedb/__ie1HuEEUoPOIc3tEX5yowY9yMJz9kdNTH01mwCePxLw
  • BetaKit，Turbopuffer 完成新一轮融资 — https://betakit.com/ex-shopify-engineers-raise-fresh-financing-to-scale-turbopuffers-ai-search/
  • Turbopuffer，关于 — https://turbopuffer.com/about
  • SiliconANGLE，Contextual AI 获 8000 万美元用于 RAG 2.0 — https://siliconangle.com/2024/08/02/contextual-ai-nabs-80m-rag-2-0-platform/
  • Contextual AI 博客，平台正式发布 — https://contextual.ai/blog/platform-ga-press-release
  • Contextual AI 研究，RAG 2.0 介绍 — https://contextual.ai/research/introducing-rag2
  • VentureBeat，Contextual AI 优于 GPT-4o — https://venturebeat.com/ai/contextual-ais-new-ai-model-crushes-gpt-4o-in-accuracy-heres-why-it-matters
  • VentureBeat，Contextual AI Agent Composer — https://venturebeat.com/technology/contextual-ai-launches-agent-composer-to-turn-enterprise-rag-into-production
  • Morningstar PRNewswire，Agent Composer 发布 — https://www.morningstar.com/news/pr-newswire/20260127sf71236/contextual-ai-launches-agent-composerai-for-when-it-actually-is-rocket-science
  • TechCrunch，"Cohere 估值达 70 亿美元，与 AMD 建立合作" — https://techcrunch.com/2025/09/24/cohere-hits-7b-valuation-a-month-after-its-last-raise-partners-with-amd/
  • PSP Investments / Cohere 融资公告 — https://www.investpsp.com/en/news/fresh-funding-enables-cohere-to-accelerate-its-global-expansion-and-build-the-next-generation-of-secure-enterprise-and-sovereign-ai-solutions/
  • Futurum Group，"Cohere 多语言主权 AI 护城河——迈向 2026 年 IPO" — https://futurumgroup.com/insights/coheres-multilingual-sovereign-ai-moat-ahead-of-a-2026-ipo/
  • InfoWorld，"Cohere 北上布局 Agentic AI" — https://www.infoworld.com/article/3757962/cohere-goes-north-with-agentic-ai.html
  • Vectara A 轮融资，BusinessWire — https://www.businesswire.com/news/home/20240716489550/en/Vectara-Secures-%2425-Million-Series-A-Funding-to-Advance-the-Trustworthiness-of-Retrieval-Augmented-Generation-with-New-Mockingbird-LLM
  • Glean，F 轮 1.5 亿美元融资 — https://www.glean.com/press/glean-raises-150m-series-f-at-7-2b-valuation-to-accelerate-enterprise-ai-agent-innovation-globally
  • TechCrunch，Glean 估值 72 亿美元 — https://techcrunch.com/2025/06/10/enterprise-ai-startup-glean-lands-a-7-2b-valuation/
  • CNBC，Glean 1.5 亿美元 F 轮融资 — https://www.cnbc.com/2025/06/10/glean-gen-ai-search-startup-raises-150-million-at-7-billion-value.html
  • TechCrunch，Perplexity 以 200 亿美元估值完成 2 亿美元融资 — https://techcrunch.com/2025/09/10/perplexity-reportedly-raised-200m-at-20b-valuation/
  • Writer.com，C 轮融资公告 — https://writer.com/blog/series-c-funding-writer-press-release/
  • TechCrunch，Writer 以 19 亿美元估值完成 2 亿美元融资 — https://techcrunch.com/2024/11/12/generative-ai-startup-writer-raises-200m-at-a-1-9b-valuation/
  • TechCrunch，Hebbia 1.3 亿美元 B 轮融资 — https://techcrunch.com/2024/07/09/ai-startup-hebbia-rased-130m-at-a-700m-valuation-on-13-million-of-profitable-revenue/
  • Hebbia 博客，B 轮融资 — https://www.hebbia.com/blog/hebbia-raises-usd130m-series-b
  • TechCrunch，Harvey 估值 110 亿美元 — https://techcrunch.com/2026/03/25/harvey-confirms-11b-valuation-sequoia-triples-down/
  • CNBC，Harvey 以 110 亿美元估值完成 2 亿美元融资 — https://www.cnbc.com/2026/03/25/legal-ai-startup-harvey-raises-200-million-at-11-billion-valuation.html
  • Harvey，融资系列公告 — https://www.harvey.ai/blog/harvey-raises-at-dollar11-billion-valuation-to-scale-agents-across-law-firms-and-enterprises
  • TechCrunch，Harvey 2025 年 12 月估值 80 亿美元 — https://techcrunch.com/2025/12/04/legal-ai-startup-harvey-confirms-8b-valuation/
  • TechCrunch，Bret Taylor 的 Sierra 以 100 亿美元估值完成 3.5 亿美元融资 — https://techcrunch.com/2025/09/04/bret-taylors-sierra-raises-350m-at-a-10b-valuation/
  • TechCrunch，Sierra ARR 突破 1 亿美元 — https://techcrunch.com/2025/11/21/bret-taylors-sierra-reaches-100m-arr-in-under-two-years/
  • CNBC，Sierra 估值 100 亿美元 — https://www.cnbc.com/2025/09/04/bret-taylor-sierra-ai-startup-salesforce-openai.html
  • Decagon 博客，D 轮融资公告 — https://decagon.ai/blog/series-d-announcement
  • Bloomberg，Decagon 估值 45 亿美元 — https://www.bloomberg.com/news/articles/2026-01-28/ai-customer-support-startup-decagon-valued-at-4-5-billion
  • Decagon 博客，C 轮融资 — https://decagon.ai/resources/series-c-announcement
  • BusinessWire，Decagon D 轮融资 — https://www.businesswire.com/news/home/20260128580542/en/Decagons-Valuation-Triples-to-$4.5-Billion-as-it-Ushers-in-the-Age-of-AI-Concierge
  • Sana Labs，B 轮融资公告 — https://sanalabs.com/resources/announcing-sanas-series-b-round
  • Sana Labs，B 轮融资追加 — https://sanalabs.com/resources/sana-reaches-62m-dollars-in-series-b-funding
  • You.com，C 轮融资公告 — https://you.com/resources/series-c
  • TechStartups，You.com 以 15 亿美元估值完成 1 亿美元 C 轮融资 — https://techstartups.com/2025/09/04/you-com-raises-100m-series-c-in-funding-at-1-5b-valuation-to-scale-ai-search-infrastructure/
  • TechCrunch，Databricks 以 1340 亿美元估值完成 40 亿美元融资 — https://techcrunch.com/2025/12/16/databricks-raises-4b-at-134b-valuation-as-its-ai-business-heats-up/
  • Databricks，MosaicML 收购 — https://www.databricks.com/company/newsroom/press-releases/databricks-completes-acquisition-mosaicml
  • Databricks 博客，Genie Code — https://www.databricks.com/blog/introducing-genie-code
  • Databricks，Agent Bricks 发布 — https://www.databricks.com/company/newsroom/press-releases/databricks-launches-agent-bricks-new-approach-building-ai-agents
  • TechCrunch，Matei Zaharia 荣获 ACM 计算奖 — https://techcrunch.com/2026/04/08/databricks-matei-zaharia-wins-acm-computing-prize-agi/
  • TechCrunch，Sequoia 为 AI 募资 70 亿美元 — https://techcrunch.com/2026/04/16/new-leaders-new-fund-sequoia-has-raised-7b-to-expand-its-ai-bets/
  • Snowflake 发布说明，Cortex Agents 正式发布 — https://docs.snowflake.com/en/release-notes/2025/other/2025-11-04-cortex-agents
  • Snowflake，Cortex 概述 — https://www.snowflake.com/en/product/features/cortex/
  • Snowflake，Cortex Code — https://www.snowflake.com/en/product/features/cortex-code/
  • SaaStr，"2025 年 SaaS 现状检验（Jason Lemkin）" — https://www.saastr.com/the-2025-saas-vibe-check-what-founders-need-to-know-right-now-with-saastr-ceo-and-founder-jason-lemkin/
  • Jahanzaib.ai，"Agentic RAG 生产指南" — https://www.jahanzaib.ai/blog/agentic-rag-production-guide
  • Suprmind，"AI 幻觉率与基准测试" — https://suprmind.ai/hub/ai-hallucination-rates-and-benchmarks/