






最近在做企业 AI 项目,我发现一件很典型的事:
很多“想做知识库”的企业,其实根本不需要 RAG。
真的。
下面这几种场景我遇到过太多次了?
客服问很多 → 以为要 RAG
结果一看,问题不是“不会回答”, 而是流程太长、需要自动化。 → 这是 Agent 场景。
新人培训混乱 → 以为做知识库能解决
但文档版本乱、没人维护…… AI 根本救不了。 → 这是知识治理问题。
FAQ 多 → 以为 RAG 更厉害
其实 FAQ 的重点是“精准”。 → 分类器 + 标准答案反而更稳更便宜。
写这篇只是想说一句很现实的话:
AI 项目最重要的不是技术,而是先判断方向。 能识别伪需求,比会做 RAG 更关键。
这些是我在真实项目里踩到的问题,也慢慢理解到的判断逻辑。
如果你也在做 ToB AI 售前, 或正在经历类似的成长阶段—— 欢迎关注我一起进阶。
你的点赞 + 收藏真的会给我很多动力
#AIChannel #小红书科技AMA #AI知识学习 #artificial_intelligence #大模型 #搭建个人知识体系 #RAG #Agent #售前架构师
很多“想做知识库”的企业,其实根本不需要 RAG。
真的。
下面这几种场景我遇到过太多次了?
客服问很多 → 以为要 RAG
结果一看,问题不是“不会回答”, 而是流程太长、需要自动化。 → 这是 Agent 场景。
新人培训混乱 → 以为做知识库能解决
但文档版本乱、没人维护…… AI 根本救不了。 → 这是知识治理问题。
FAQ 多 → 以为 RAG 更厉害
其实 FAQ 的重点是“精准”。 → 分类器 + 标准答案反而更稳更便宜。
写这篇只是想说一句很现实的话:
AI 项目最重要的不是技术,而是先判断方向。 能识别伪需求,比会做 RAG 更关键。
这些是我在真实项目里踩到的问题,也慢慢理解到的判断逻辑。
如果你也在做 ToB AI 售前, 或正在经历类似的成长阶段—— 欢迎关注我一起进阶。
你的点赞 + 收藏真的会给我很多动力
#AIChannel #小红书科技AMA #AI知识学习 #artificial_intelligence #大模型 #搭建个人知识体系 #RAG #Agent #售前架构师


