概要
提到企业大模型应用,很多方案的第一反应都是:把资料放进向量数据库,搭一套 RAG,再做一个聊天页面。
RAG 很有价值,但它解决的是“从非结构化知识中找到相关证据,并辅助模型生成回答”。如果业务真正需要的是精确计算、实时查询、流程执行或规则判断,先上 RAG 反而可能绕远路。
在企业智能问数、知识检索和自动诊断报告的实践中,我越来越倾向于先判断任务类型,再决定使用 RAG、工具调用、规则引擎还是普通软件功能。
场景一:答案必须来自实时结构化数据
例如:
- 查询本月某区域销售额;
- 统计当前库存、订单和告警数量;
- 对比两个时间段的转化率;
- 按组织、产品和客户层级聚合数据。