实测 10 万篇文档库发现，最基础的向量检索返回的第一条结果竟是完全跑题的云原生文章 — 我们认为，“怎么找”比“有没有库”更能决定 RAG（检索增强生成，让大模型先查资料再回答）项目的成败。

这是什么

我们注意到，很多企业搭了知识库，AI 却总在胡说八道。原因往往不是模型太笨，而是“找资料”的策略太简单。

目前最基础的找法是“相似度检索”（看词义像就拿来），但面对海量文档，它有三个硬伤：结果重复（5 篇文章都在讲同一个概念）、低质量混入（把 Go 语言的并发硬塞给问 Python 的人）、无视明确条件（用户问“2024 年”，它把 2022 年的也找来）。

为此，行业正在转向更复杂的检索策略组合：MMR（最大边际相关性，兼顾相关性和结果多样性，避免扎堆）、阈值过滤（设个及格线，宁可少给绝不凑数）、Self-Query（让 AI 自动拆解用户提问，把“2024 年”转化为数据库的硬性过滤条件）。从单纯比对字义，到兼顾多样性与硬条件，这是 AI 查资料从“能用”到“好用”的必经之路。

行业怎么看

我们判断，RAG 的竞争焦点已经从“用上向量数据库”转移到了“检索工程”的精细化上。大家都意识到，没有好策略，再多的数据也只是噪音。

但这并非没有争议。有架构师指出，Self-Query 强依赖大模型拆解用户意图的能力，如果模型拆错了条件（比如把“苹果手机”误判为水果类别），反而会导致整个知识库查空；此外，组合多种检索策略会显著增加系统的响应延迟。工程复杂度的急剧上升，正在把缺乏技术深度的中小团队挡在门外。

对普通人的影响

对企业 IT：知识库建设重心从“堆数据量”转向“调优检索链路”，单纯采购向量数据库已无法解决业务痛点。

对个人职场：向 AI 提问时，明确提出时间、类别等限定词，能更好地触发 Self-Query 功能，获得精准回答。

对消费市场：C 端 AI 产品的回答将不再东拉西扯或偏题，用户会明显感受到 AI 给的资料更讲究多样性和准确性。