入门系列里，我们把一个 RAG + Agent 从零做了出来，它能查资料、能调工具、有记忆。跑通那一刻很爽——但如果你真把它丢到公司里、给真实用户用，大概率会发现：demo 好用，一上真实数据和真实用户就"翻车"。

这个进阶系列就是来补这道坎的。碰到 rerank、评测集、MCP 这类词，别被名字唬住，我尽量说明白。代码主要用 Python——进阶这些工具的 Python 生态成熟不少；Node 的对应写法，需要的地方会标一下。

为什么 demo 和「能用」差了十万八千里

举个特别真实的例子。你做了个"公司制度问答机器人"，自己测试时问「年假有几天」，答得又快又准，感觉稳了。上线第一天，同事们的问题是这样的：

「我去年入职的，今年请假额度咋算？」「产假和陪产假能一起休不？」「那个……就是生孩子那个假期，工资照发吗？」

你会发现：用户的话又乱又口语，和你文档里的书面语对不上（检索找不准）；有时它一本正经地编一个不存在的政策（没法评估、没人发现）；碰到「帮我把这条假期申请提交了」这种要动真格的操作，它直接就做了（没有安全闸门）；老板问「这东西到底靠不靠谱、一个月要烧多少钱」，你答不上来（没有可观测和成本意识）。

这些都不是"代码写错了"，而是入门 demo 天然缺失的工程能力。把这几块补齐，才叫"真能用"。

进阶要补的四块短板

① 让它更准。 入门的 RAG 检索比较"素"，用户换个说法就找不到资料。进阶 RAG 会讲查询改写、混合检索、重排序这些让检索"更懂人话"的技巧。而当一个 Agent 什么都想干、反而什么都干不好时，就要拆成"多智能体"——像一个团队分工，各管一摊。

② 让它更通。 每接一个新工具（查天气、发邮件、连数据库）都要手写一遍，太累。MCP 是一个新兴的"通用插头"标准，让 Agent 能像插 USB 一样，即插即用地接入别人已经做好的成百上千个工具。

③ 让它可衡量。 入门时我们靠"手动问几句，感觉还行"来判断好坏。真实项目里这远远不够——你需要一套评测集（一堆标准问答题），量化地回答"这次改动到底是变好了还是变差了"，而不是拍脑袋。

④ 让它能上线。 线上要能看清它每一步在干嘛、慢在哪、花了多少钱（可观测与成本），要防住恶意输入和危险操作（安全），还要能稳定地部署和监控。这是从"我电脑上能跑"到"7×24 服务用户"的最后一公里。

这个系列怎么读

顺序是精心排的，由"让它变好"到"让它上线"层层递进：

先是进阶 RAG（两篇）——检索为什么不准、怎么变准；接着多智能体（两篇）——什么时候该拆、怎么用 LangGraph 编排协作；然后 MCP（一篇）——打通工具生态；再到评估（一篇）——学会科学地量化好坏；最后可观测与成本、上生产（两篇）——真正把它送上线；结尾一篇进阶地图收口。

不需要每篇都动手敲代码。很多篇是"先把道理和名词讲透，再看关键代码"，因为进阶阶段想清楚"为什么这么做"，比记住某个 API 更重要。

一句话定调

如果说入门系列教你"造一辆能开的车"，进阶系列就是教你"让这辆车跑得准、跑得稳、还能合规上路"。前者靠热情就能完成，后者需要一点工程的耐心——而这，恰恰是职场里最值钱的能力。

下一篇，我们从最立竿见影的地方开始：为什么你的 RAG 检索总是"差一点"，以及怎么用查询改写和混合检索让它"更懂人话"。