Deterministic Retrieval（确定性检索）
定义
Deterministic Retrieval 是一种上下文工程（Context Engineering）实践。它主张：Agent 应被赋予能够“无聊地可靠”执行检索任务的特定工具，而不是让模型通过复杂的 Web 界面或模糊的自然语言描述去“撞大运”。
关键数据点
- 性能飞跃: 引入确定性层后，模型对病毒序列检索的准确率可从 16.9% 提升至 99.7%（GPT-5.5）。
- 生成侧镜像：DoorDash RAG 倒置（07-29）：DoorDash 搜索把 RAG 用作 guardrail 而非 generator——ANN 检索 top-100 taxonomy 概念，LLM 从列表选取而非生成（"RAG defines the entire output space"），系统只产出设计已知的概念，热门菜品 carousel 触发率约 +30%（20260728-bytebytego-llm-search-integration-depth）。确定性检索约束"取什么"（输入端），RAG 倒置约束"输出什么"（输出端）——同属"把 LLM 关进无聊可靠的空间"设计家族。
概率检索的边界
ByteByteGo 对 embedding RAG 的分析提供了本实体的反面边界：向量相似度适合快速缩小候选集，却可能把同主题不同问题、相反的否定、过时版本或不同数字排在一起。确定性检索不能被“语义命中”替代；更稳的组合是概率召回负责覆盖，metadata/版本/权限规则和结构化校验负责把候选集收敛到可用证据。
前提与局限性
- 前提: 需要深度理解目标领域的业务规则（如 virology 中的过滤习惯）。
- 局限: 构建成本高，需要为不同的垂直领域数据库定制专属工具隧道。
- 确定性不等于绝对正确: 工具调用路径可以更确定，但上游数据、查询逻辑、版本和领域规则仍可能错误或过时；99.7% 是特定病毒序列检索实验结果，不应外推为 100% 保证。