摘要：在《》中，已经了解了会话的持久化保存跟会话的缩减 。 AI Agent 光会聊天可不够！实际开发中，我们需要它能 “查资料”—— 比如对接产品手册、售后政策、企业内部文档，这就是 RAG（检索增强生成）的核心价值。
在《》中，已经了解了会话的持久化保存跟会话的缩减 。 AI Agent 光会聊天可不够！实际开发中，我们需要它能 “查资料”—— 比如对接产品手册、售后政策、企业内部文档，这就是 RAG（检索增强生成）的核心价值。
结合实战 Demo，快速给 Agent 集成 RAG，从模拟知识库到真实业务对接，一步到位解决 “Agent 知识有限、易瞎编” 的痛点。
很多开发者会混淆 “模型微调” 和 “RAG”，用一个通俗比喻就能分清：
模型微调像大学生备考，把专业知识（训练数据）死记硬背在脑子里，回答问题时直接调用记忆 —— 反应快，但知识更新难（毕业后的新信息完全不知道）；
RAG像给普通人配了本《新华词典》，不用死记硬背所有知识，遇到不懂的问题（用户查询），先查词典（外部知识库）再回答 —— 知识更新快（换本新版词典就行），还能避免 “瞎编”。
简单说：微调适合沉淀核心固定知识（比如行业通用规则），RAG 适合灵活调用动态 / 私有知识（比如公司最新产品政策、临时活动规则）。而我们今天用的TextSearchProvider，就是给 Agent 配 “词典” 的最快方式。纯大模型 Agent 有 3 个致命短板，光靠微调解决不了：
知识有保质期大模型训练数据有时间窗口（比如 2025年5月1号之后的信息不知道），没法实时同步动态信息；
易 “幻觉”对未知问题会凭空生成虚假信息，比如用户问 “你们的退货期限是多久”，Agent 可能瞎编 “7 天无理由”，但实际是 30 天；
私有知识难接入企业内部文档、敏感数据（比如员工手册、客户资料），没法通过微调注入公域大模型，安全风险高。
而 RAG 能完美解决这些问题：让 Agent “有据可查”，回答准确率翻倍，还能低成本对接私有知识库。
是Microsoft Agent Framework 内置的RAG 适配神器，本质就是给 Agent 配的 “智能词典检索工具”，核心作用就 3 步：拦截 Agent 的模型调用：用户发消息后，Agent 先判断是否需要查 “词典”；
触发检索：根据用户查询关键词，从外部知识库捞相关信息；
注入上下文：把检索结果自动拼接到 Agent 的对话上下文里，Agent 不用额外编码就能参考。
它的优势特别明显：
零侵入：不用改 Agent 的对话逻辑，只需配置检索函数；
高灵活：支持自定义检索时机、上下文记忆长度；
易扩展：检索函数能对接任何知识库（向量库、数据库、API、本地文件）。
我们的 Demo 里用模拟知识库检索，实际开发中直接替换成真实逻辑就行。1. 前置准备：依赖包安装首先确保项目引用以下包（预览版需启用 NuGet 预览源）：
PackageReference include="Microsoft.Agents.AI.OpenAI" Version="1.0.0-preview.251114.1" />2. 核心代码拆解：每一行都讲透Demo 代码实现了 “模拟产品知识库检索 + Agent 自动参考回答”，下面逐部分拆解核心逻辑，重点看 RAG 怎么集成：
using Microsoft.Agents.AI;using Microsoft.Agents.AI.Data;using Microsoft.Extensions.AI;using OpenAI;using System.ClientModel;namespace AgentDemo{#pragma warning disable OPENAI001#pragma warning disable MEAI001 internal static class AgentContextProviderBase { public static async Task DemoAsnc(string apiKey, string endpoint, string modelName) { // 1. 创建OpenAI客户端，转换为通用IChatClient（适配不同模型） var clientOptions = new OpenAIClientOptions { Endpoint = new Uri(endpoint) }; IChatClient chatClient = new OpenAIClient(new ApiKeyCredential(apiKey), clientOptions) .GetOpenAIResponseClient(modelName) .AsIChatClient .AsBuilder .Build; // 2. 创建Agent，绑定TextSearchProvider（核心RAG配置） AIAgent agent = chatClient.CreateAIAgent(new ChatClientAgentOptions { // 给Agent的角色提示：优先参考搜索结果，注明来源 Instructions= "你是产品咨询客服，优先参考搜索结果回答，回答时注明信息来源", Name = "ProductConsultAgent", // 关键：注入RAG检索逻辑（相当于给Agent配词典） AIContextProviderFactory=ctx=>new TextSearchProvider( searchFunc: MockSearchAsync, // 自定义检索函数（核心） serializedState: ctx.SerializedState, jsonSerializerOptions: ctx.JsonSerializerOptions, new TextSearchProviderOptions { // 检索时机：每次AI调用前自动检索（用户无感知） SearchTime = TextSearchProviderOptions.TextSearchBehavior.BeforeAIInvoke, // 上下文记忆限制：保留最近6条消息，避免关键词提取混乱 RecentMessageMemoryLimit = 6 }) }); // 3. 创建对话线程，启动交互循环 AgentThread thread = agent.GetNewThread; while (true) { var userInput = Console.ReadLine; if (userInput == "Exit") break; var response = await agent.RunAsync(userInput, thread); Console.WriteLine($"Agent Output：{response}\n"); } // 4. 模拟检索函数（相当于“词典查询逻辑”，可替换为真实知识库） static Task { List // 逻辑：根据用户查询关键词，匹配对应的知识库信息 // 场景1：退货/退款相关查询 if (query.Contains("return", StringComparison.OrdinalIgnoreCase) || query.Contains("refund", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "Contoso Outdoors Return Policy", // 来源名称（比如“退货政策V2.0”） SourceLink = "https://contoso.com/policies/returns", // 来源链接（溯源用） Text = "Customers may return any item within 30 days of delivery. Items should be unused and include original packaging. Refunds are issued to the original payment method within 5 business days of inspection." // 核心检索内容 }); } // 场景2：物流相关查询 if (query.Contains("shipping", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "Contoso Outdoors Shipping Guide", SourceLink = "https://contoso.com/help/shipping", Text = "Standard shipping is free on orders over $50 and typically arrives in 3-5 business days within the continental United States. Expedited options are available at checkout." }); } // 场景3：帐篷/面料相关查询 if (query.Contains("tent", StringComparison.OrdinalIgnoreCase) || query.ContAIns("fabric", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "TrailRunner Tent Care Instructions", SourceLink = "https://contoso.com/manuals/trailrunner-tent", Text = "Clean the tent fabric with lukewarm water and a non-detergent soap. Allow it to air dry completely before storage and avoid prolonged UV exposure to extend the lifespan of the waterproof coating." }); } return Task.FromResult } } }#pragma warning restore OPENAI001#pragma warning restore MEAI001}关键代码解析（重点看这 3 处）：searchFunc: MockSearchAsync：指定检索函数，这是 RAG 的核心，后续替换为真实知识库对接；
SearchTime: BeforeAIInvoke：检索时机 —— 每次 Agent 调用模型前自动检索，用户无感知（推荐客服、问答场景）；
RecentMessageMemoryLimit: 6：检索时参考最近 6 条消息，适配多轮对话（比如用户先问 “帐篷怎么洗”，再问 “洗后能退货吗”，Agent 会结合历史查询检索）。
检索结果格式：TextSearchProvider.TextSearchResult是固定格式，3 个字段缺一不可：SourceName：来源名称（让用户知道信息来自哪里，增强可信度）；
SourceLink：来源链接（方便溯源验证，比如点击查看完整退货政策）；
Text：核心检索内容（Agent 回答时的 “参考资料”）。
MockSearchAsync 函数：模拟了 “关键词匹配知识库” 的逻辑，实际开发中可替换为：
向量库检索（如 Qdrant、Chroma）：对接 PDF、Word 等非结构化文档；
数据库查询（如 SQL、MySQL）：对接产品库存、订单等结构化数据；
企业 API 调用：对接物流状态、活动规则等实时数据。
3. 效果演示：Agent 自动 “查词典” 回答运行 Demo 后，输入以下查询，看看 Agent 的表现 —— 它会自动触发检索，结合知识库信息生成回答：
场景 1：查询退货政策用户输入：Can I return a product I bought 20 days ago?Agent Output：Yes, you may return the item as it falls within the 30-day return window from delivery. Please ensure the item is unused and includes the original packaging. Refunds will be issued to your original payment method within 5 business days of inspection. (Source: Contoso Outdoors Return Policy)场景 2：查询物流信息用户输入：How long does shipping take?Agent Output：Standard shipping typically arrives in 3-5 business days within the continental United States, and it's free on orders over $50. Expedited shipping options are also available at checkout. (Source: Contoso Outdoors Shipping Guide)场景 3：查询帐篷护理（多轮对话）用户输入：How to clean the tent fabric?Agent Output：To clean the tent fabric, use lukewarm water and a non-detergent soap. Allow it to air dry completely before storage and avoid prolonged UV exposure to extend the lifespan of the waterproof coating. (Source: TrailRunner Tent Care Instructions)用户输入：Can I return the tent after cleaning it?Agent Output：According to the return policy, items should be unused and include original packaging to be eligible for a refund. Since you have cleaned the tent, it is no longer in an unused state, so it cannot be returned. (Source: Contoso Outdoors Return Policy)亮点：
无需手动触发检索：Agent 自动识别关键词，不用用户说 “查一下”；
回答有依据：明确标注来源，避免幻觉；
多轮对话连贯：能结合历史查询和检索结果，回答逻辑一致。
Demo 中的是模拟逻辑，下面以 “对接 Qdrant 向量库”（企业常用场景）为例，展示如何替换为真实检索：1. 安装向量库依赖 PackageReference Include="Microsoft.SemanticKernel.Connectors.Qdrant" />2. 实现真实检索函数// 真实检索函数：对接Qdrant向量库（替换原来的MockSearchAsync）static async Task{ // 1. 连接Qdrant向量库（提前把产品文档入库） var qdrantClient = new Qdrant.Client.QdrantClient("localhost"); var vectorStore = new QdrantVectorStore(qdrantClient, ownsClient: true, new { // 配置嵌入模型（与文档入库时一致） EmbeddingGenerator = new OpenAIEmbeddingClient( new ApiKeyCredential("你的OpenAI密钥"), new OpenAIClientOptions { Endpoint = new Uri("嵌入模型端点") }) .AsIEmbeddingGenerator }); var collection = vectorStore.GetCollection // 2. 向量检索（获取Top3相关文档） var searchResults = await collection.SearchAsync(query, limit: 3, cancellationToken: cancellationToken); // 3. 转换为TextSearchProvider所需格式 return searchResults.Select(result => new TextSearchProvider.TextSearchResult { SourceName = result.Record.SourceName, SourceLink = result.Record.SourceLink, Text = result.Record.Content });}// 向量库数据模型（定义文档存储结构）internal sealed class ProductDocChunk{ [VectorStoreKey] public Guid Key { get; set; } [VectorStoreData] public string SourceName { get; set; } = string.Empty; [VectorStoreData] public string SourceLink { get; set; } = string.Empty; [VectorStoreData] public string Content { get; set; } = string.Empty; [VectorStoreVector(Dimensions = 3072)] public string Embedding => this.Content;}3. 替换 Agent 配置中的检索函数AIContextProviderFactory=ctx=>new TextSearchProvider( searchFunc: QdrantSearchAsync, // 替换为真实检索函数 serializedState: ctx.SerializedState, jsonSerializerOptions: ctx.JsonSerializerOptions, new TextSearchProviderOptions { SearchTime = TextSearchProviderOptions.TextSearchBehavior.BeforeAIInvoke, RecentMessageMemoryLimit = 6 })这样，Agent 就可以从真实的企业知识库中检索信息，完美适配生产环境。
用Microsoft Agent Framework 的集成 RAG，核心就是 “给 Agent 配词典”，3 个关键结论：成本低：无需搭建复杂 RAG 架构，3 行核心配置 + 1 个检索函数，当天就能落地；
灵活高：检索函数可对接任何知识库，知识更新只需同步知识库（换 “词典”），不用改 Agent；
体验好：用户无感知检索，回答有依据，避免幻觉，多轮对话连贯。
微调是让 Agent “记住” 知识，RAG 是让 Agent “会查” 知识—— 大多数业务场景下，先做 RAG 快速落地，再根据高频问题补充微调，是性价比最高的方案。
using Microsoft.Agents.AI;using Microsoft.Agents.AI.Data;using Microsoft.Extensions.AI;using OpenAI;using System.ClientModel;namespace AgentDemo{#pragma warning disable OPENAI001#pragma warning disable MEAI001 /// /// 如何使用 TextSearchProvider 为 AI 代理添加检索增强生成（RAG）功能。这里展示了搜索函数的模拟实现，该实现可替换为任何自定义搜索逻辑，以查询任何外部知识库。 /// internal static class AgentContextProviderBase { public static async Task DemoAsnc(string apiKey, string endpoint, string modelName) { var clientOptions = new OpenAIClientOptions { Endpoint = new Uri(endpoint) }; IChatClient chatClient = new OpenAIClient(new ApiKeyCredential(apiKey), clientOptions) .GetOpenAIResponseClient(modelName).AsIChatClient.AsBuilder.Build; AIAgent agent = chatClient.CreateAIAgent(new ChatClientAgentOptions { Instructions= "你是产品咨询客服，优先参考搜索结果回答，回答时注明信息来源", // 给Agent的角色提示 Name = "ProductConsultAgent", AIContextProviderFactory=ctx=>new TextSearchProvider(MockSearchAsync,ctx.SerializedState,ctx.JsonSerializerOptions, new TextSearchProviderOptions { //在每次模型调用前调用自定义搜索函数，并将结果注入模型上下文中。 SearchTime = TextSearchProviderOptions.TextSearchBehavior.BeforeAIInvoke, RecentMessageMemoryLimit = 6,// // 上下文记忆限制：保留最近6条消息，避免关键词提取混乱 }) }); AgentThread thread = agent.GetNewThread; while (true) { var userInput = Console.ReadLine; if (userInput == "Exit") break; var response = await agent.RunAsync(userInput, thread); Console.WriteLine($"Agent Output：{response}\n"); } //模拟搜索函数（相当于“词典查询逻辑”，可替换为真实知识库对接） static Task { List if (query.Contains("return", StringComparison.OrdinalIgnoreCase) || query.Contains("refund", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "Contoso Outdoors Return Policy", SourceLink = "https://contoso.com/policies/returns", Text = "Customers may return any item within 30 days of delivery. Items should be unused and include original packaging. Refunds are issued to the original payment method within 5 business days of inspection." }); } if (query.Contains("shipping", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "Contoso Outdoors Shipping Guide", SourceLink = "https://contoso.com/help/shipping", Text = "Standard shipping is free on orders over $50 and typically arrives in 3-5 business days within the continental United States. Expedited options are available at checkout." }); } if (query.Contains("tent", StringComparison.OrdinalIgnoreCase) || query.Contains("fabric", StringComparison.OrdinalIgnoreCase)) { results.Add(new { SourceName = "TrailRunner Tent Care Instructions", SourceLink = "https://contoso.com/manuals/trailrunner-tent", Text = "Clean the tent fabric with lukewarm water and a non-detergent soap. Allow it to air dry completely before storage and avoid prolonged UV exposure to extend the lifespan of the waterproof coating." }); } return Task.FromResult } } }#pragma warning disable OPENAI001#pragma warning disable MEAI001}来源：opendotnet
