还有一件事值得说，是关于这个架构本身的时效性。 2026 年，Claude 和 Gemini 的上下文窗口已经达到 100 万 token——大概是整本《罪与罚》的篇幅。对于大多数企业的文档量，不需要向量数据库，不需要切块，不需要 embedding——直接把文档塞进去，比 RAG 更准、更快、调试更容易。 Anthropic 自己给工程师造的工具 Claude Code，内部不用向量数据库。用的是 markdown 索引、grep 搜索、按需加载文件。当最会建 RAG 系统的人，为自己造工具时选择不用 RAG——这件事值得想一想。 知识库是 2023 年的解法。那时上下文窗口还是 8k token，必须检索。现在拿 2023 年的架构解决 2026 年的问题，很多时候是在给自己制造不必要的工程复杂度。 「建知识库」是传统 IT 思维的延续——把信息集中、统一接口、对外开放，然后等用户来找。这个范式失败了 30 年。 更有效的方向，不是集中信息，是把 AI 推到工作发生的地方：飞书里、邮件里、CRM 的操作页面里。不是用户来找 AI，是 AI 在用户做事的现场出现。这不需要知识库，需要的是集成。 下次准备立「AI 知识库项目」之前，停三秒，问自己——你真正要解决的问题，是不是被「知识库」这三个字限制住了？ #人工智能 #AI知识库 #互联网大厂 #知识库 #AI工具 #大模型