Redis Iris：AI代理驱动上下文架构取代RAG，企业检索迎新突破

Redis曾以缓存层闻名，如今瞄准了更具挑战性的问题：生产级AI代理的失败往往不是因为模型本身，而是因为其底层数据分散、过时，且为人类而非机器设计。为单一查询构建的检索管道无法应对代理产生的大量数据请求。

本周一发布的Redis Iris正是该公司的解决方案：一款上下文与记忆平台，介于代理与其所需数据之间。该平台集成了实时数据摄入、语义接口（可从业务数据模型自动生成MCP工具）以及基于Redis Flex的代理记忆服务器——这是一款重写的存储引擎，99%的数据存储在SSD上，成本仅为纯内存存储的十分之一。

这一发布正值企业RAG基础设施处于积极转型期。VentureBeat的2026年第一季度VB Pulse RAG基础设施市场追踪器显示，买家对混合检索的采用意图从1月至3月从10.3%飙升至33.3%。检索优化首次超越评估，成为企业首要投资优先级。自定义内部检索栈的比例从24.1%上升到35.6%，企业因现有方案无法满足需求而寻求定制化。

“企业将拥有比人类多几个数量级的代理，”Redis CEO Rowan Trollope对《VentureBeat》表示，“这意味着后端系统将承受多几个数量级的负载。”

从缓存到上下文

Trollope将这一转变追溯到移动时代：当为分行柜员构建的旧后端突然要服务数百万智能手机用户时，Redis成为吸收负载的缓存层，无需完全重建。但这一次不同——代理无法编写自己的中间件。在移动时代，开发者会与数据库管理员合作，识别应用所需的查询，并将缓存逻辑硬编码到中间件层。而代理需要在运行时通过预先构建的接口找到正确数据，否则会停滞。

“这就像把杂货店放进冰箱，”他说，“如果每次做三明治都要跑去杂货店买食材，效率很低。我们把冰箱放进每家每户，存一点食物。而我们现在的基础设施栈，就处于这种状态。”

Iris包含的五大组件

• Redis Data Integration：现已全面可用。通过变更数据捕获管道，持续同步关系数据库、数据仓库和文档存储中的数据到Redis，支持Oracle、Snowflake、Databricks和Postgres等连接器。
• Context Retriever：现处于预览阶段。开发者用pydantic模型定义业务数据的语义模型，Redis自动生成代理使用的MCP工具，服务器端强制执行行级访问控制。Trollope将这一转变描述为从传统RAG的“反向翻转”：“只是让代理拉取数据，而不是预先假设并填充到管道中。”
• Agent Memory：现处于预览阶段。存储会话间的短期和长期状态，使代理无需在每次交互中重新推导上下文。
• Redis Flex：重写的存储引擎，99%数据存储在SSD，1%在RAM，实现PB级检索的亚毫秒延迟。
• Redis Search和LangCache：平台底层的检索与语义缓存骨干。LangCache通过缓存提示响应减少冗余模型调用。

分析师怎么看

数据行业目前正朝着相同方向前进，各大数据库厂商都在强调上下文层的重要性。传统数据库厂商（如Oracle）正在整合上下文和记忆层，将关系数据库带入代理式AI时代；专用向量数据库厂商（如Pinecone）也在构建新的知识层，为代理式AI提供上下文；独立的上下文层（如Hindsight）也是新兴格局的一部分。

Trollope认为Redis的定位与竞争对手有本质不同：“我们要赢，别人不一定输。”许多Redis部署已使用MongoDB或Oracle作为记录系统，Iris从这些系统中缓存和反射数据，而非替代它们。Redis已在Snowflake市场发布Iris，并提供原生连接器。

HyperFRAME Research的AI栈实践负责人Stephanie Walter对市场背景的总结很直白：“市场正在达成一致结论：代理不仅需要更多token或更好的模型，还需要受治理的、实时的、低延迟的上下文。”她对Redis差异化的看法集中在Redis在栈中的位置——接近运行时、对延迟敏感的运营状态和实时数据。“Redis的卖点不是‘更好的RAG’，而是‘代理在运行时需要实时上下文、记忆和快速检索’。”

无论Redis还是其他厂商，上下文层技术都面临治理挑战才能成功。“如果每个代理都成为新的成本中心、新的数据访问风险和新的治理例外，代理式AI在企业中无法规模化。”她说，“成功的上下文层将使代理更快、更便宜、更安全地运行。”

医疗领域的实时AI：上下文错误不可接受

Mangoes.ai是一家已在生产环境中解决这些问题的公司，其场景中，上下文错误的成本以患者结果衡量。该公司创始人兼CEO Amit Lamba运营着一个实时语音AI平台，部署在大型医疗机构，患者和临床医生通过该平台询问治疗、排班和病例史等实时问题。Mangoes.ai从最初就基于Redis构建其栈。

“检索、记忆和会话状态都通过Redis运行，因此我们无需拼接多个工具并希望它们能互相通信。”Lamba说。

Iris的动态记忆能力解决的是复杂会话中的问题：“想象一下一小时的团体治疗，你需要知道谁在何时说了什么，并在当下向治疗师提供正确信息。这不是简单的检索问题。”

关注微信号：智享开源 ，可及时获取信息

原文链接：https://venturebeat.com/data/context-architecture-is-replacing-rag-as-agentic-ai-pushes-enterprise-retrieval-to-its-limits