这是AI扫盲系列的最后一期。前六期我们聊了：认知缺口、提示词、模型选择、上下文窗口、幻觉、Agent。这些是AI的"基础认知"。
这一期讲最后两块拼图：工作流和RAG。搞懂这两个，你对AI的理解就完整了。
工作流：让AI按流程自动干活
上一期讲的Agent是"给目标，AI自己规划步骤"。工作流不一样——工作流是你提前设计好步骤，AI按照你设计的流程执行。
类比：Agent像一个有主见的员工，你给他目标，他自己想办法。工作流像一条流水线，每个步骤都是你设计好的，AI负责执行。
工作流的典型结构
工作流实际案例
内容创作工作流
① 每天早上9点自动触发
② 从RSS订阅抓取最新行业资讯
③ AI筛选出相关内容，提取关键信息
④ 生成今日选题建议，发送到微信
结果：每天自动完成选题研究，不需要手动刷信息
RAG：让AI记住你的私有知识
AI的训练数据是固定的，它不知道你公司的内部文档、你的个人笔记、你的产品手册。RAG（检索增强生成）解决的就是这个问题。
RAG的工作原理：你问AI一个问题 → AI先去你的知识库里搜索相关内容 → 把搜索结果和你的问题一起发给AI → AI基于你的私有资料来回答。
简单说：RAG给AI装了一个"私人图书馆"。它不是把所有资料都塞进上下文（那会超出窗口限制），而是每次只取出最相关的部分。
RAG能做什么？
企业知识库问答
把公司文档、FAQ、产品手册上传，员工可以直接问AI，AI基于内部资料回答
个人笔记助手
把你的Obsidian笔记、读书笔记接入，AI能帮你检索和整合你自己积累的知识
客服机器人
基于产品文档训练，回答用户问题时只引用真实的产品信息，不会乱编
研究助手
上传一批论文或报告，AI能跨文档检索、对比、总结，不受上下文窗口限制
工作流 + RAG = 真正的AI系统
单独用工作流，AI只能处理通用信息。单独用RAG，AI能回答问题但不能自动执行任务。两者结合，才是真正的AI自动化系统。
组合案例：智能内容助手
① 用户提问："帮我写一篇关于AI提效的文章"
② RAG检索：从你的素材库里找到相关案例、金句、数据
③ AI生成：基于你的私有素材，写出符合你风格的文章
④ 工作流：自动保存到指定文件夹，发送到公众号草稿箱
结果：一句话触发，AI自动完成从检索到发布的全流程