腾讯 22k Star 的开源项目WeKnora 更新到 v0.8.0，把 RAG 又往前推了一大步。
因为它开始给 Agent 补齐三样很关键的东西：Memory、Skills、Sandbox。

第一，RAG 开始有长期记忆了
WeKnora 可以跨会话记住用户的 profile、preference、fact、task 和 interest。
而且不是模型想记什么就记什么。Agent 提取出长期记忆后，会先让用户确认，再真正保存。
这意味着 Memory 不再只是“聊天记录”，而开始变成一个可以管理、确认和治理的长期状态。

第二，Agent 开始拥有一台自己的“电脑”
WeKnora v0.8 放弃了过去直接在 Host Process 运行 Skill 的方式。
现在 Skill 必须进入独立 Sandbox 执行，可以使用 Docker、E2B 或 Cube。
更关键的是，它采用的是 Session Persistent Sandbox，文件、代码和执行环境都可以在同一个 Session 里继续存在。

第三，Skill 开始从代码变成资产
WeKnora 可以从 ClawHub、SkillHub 等来源安装 Skill，并进行版本、配置和 Tenant 级管理。
于是整个架构慢慢变成：
LLM = 大脑
Knowledge = 企业知识
Memory = 长期记忆
Skill = 专业能力
MCP = 外部系统
Sandbox = 工作环境

这也是我觉得 WeKnora v0.8 最值得关注的地方。
过去我们一直在研究：RAG 怎么召回得更准？
但下一阶段的问题可能已经变成：Agent 能不能基于这些知识，直接把事情做完？

RAG 没有消失。只是 Retrieval 正在从整个系统的主流程，变成 Agent 众多能力中的一种。

从“找到答案”，到“记住、思考、使用工具、完成任务”，这可能才是 Agentic RAG 真正开始成型的样子。

#AgenticRAG #RAG #WeKnora #E2B #知识库搭建 #腾讯 #AgentSandbox #开源项目 #Agent #AI反常识howto