Pablo Castro，微软 Distinguished Engineer 兼 CVP for AI Knowledge，在本次访谈中深入探讨了 AI 系统与知识基础设施的结合方式。他所在的核心 AI 团队负责 Foundry IQ、Azure AI Search 和 Azure Content Understanding 等产品，核心议题是：如何让大模型在生成答案时真正「理解」并「检索」高质量知识，而不是依赖参数记忆。他直言当前很多 Agent 方案之所以失败，正是因为忽略了知识层的设计。

Castro 明确反对「把知识全部塞进模型权重」的做法。他认为模型参数更适合做推理和泛化，而知识应该由专门的检索系统管理，知识检索必须是 AI 应用的一等公民。他特别强调，RAG（检索增强生成）不是临时补丁，而是长期架构选择。对于 Agent 场景，他预测未来 Agent 会深度依赖外部知识图谱和结构化数据，Foundry IQ 正是为此设计的新一代知识服务，能够自动理解文档、表格、图像，并输出结构化的上下文。他还批评了当前许多开发者过度依赖 Prompt Engineering 来弥补知识缺失，认为这是舍本逐末。

Castro 的观点对 AI 落地有直接启示：知识基础设施的成熟度将决定 Agent 的可靠性上限。微软在 Azure AI Search 和 Content Understanding 上的投入，意味着企业级 AI 应用可能很快会标配一套「知识层」——包括自动索引、语义理解、事实校验。这不仅是技术趋势，更是商业竞争的关键。如果你正在构建 Agent 或 RAG 系统，Castro 的团队实践值得深入学习，尤其是 Foundry IQ 如何解决多模态知识理解的问题。