企业知识库下半场:从 RAG 到 context architecture
很多团队这两年做企业知识库,起步动作都差不多。
把文档接进来。 切 chunk。 做 embedding。 挂一个向量库。 最后加一个对话框。
演示的时候,效果往往不差。
可一旦真的进业务,问题很快就出来了:
“它答得像懂了,但引用的是过期制度。”
“它能搜到文档,却不知道这份文档只允许哪个部门看。”
“它回答了流程说明,但根本不知道这个项目现在走到哪一步。”
“它给出了建议,却没法接着触发下一步动作。”
这时你会发现,RAG 不是没用,而是不够。
企业知识库的下一阶段,关键词已经不只是 RAG,而是 context architecture。
为什么现在值得重新理解企业知识库
最近一轮行业信号很一致。
一边是 AI Agent 开始真正接进工单、审批、企业系统。 另一边是越来越多团队发现,单纯“把文档搜出来”并不能支撑这些 agent 稳定工作。
原因很简单。
企业里的问题,从来都不只是“哪份文档最相关”。
更关键的问题是:
- 这个人有没有权限看这段内容
- 这段内容是不是最新版本
- 这件事当前属于哪个项目、哪个客户、哪个流程节点
- 这个回答应该调用哪一个系统动作,而不只是生成一段字
- 这次回答能不能留下责任链、引用链和审计线索
RAG 主要解决的是“让模型看到更相关的文本”。
但企业真正需要的,是让模型进入一个有边界、有状态、有身份、有流程的上下文里工作。
这就是 context architecture 要解决的问题。
RAG 解决了什么,也没有解决什么
先说结论:不要把 RAG 说成过时。
RAG 依然是企业知识系统的基础层。
它至少解决了三件很重要的事:
- 让模型不只依赖预训练记忆
- 让回答可以引用企业私有知识
- 让很多通用问答型场景快速落地
所以如果你今天做的是:
- 文档问答
- 制度检索
- FAQ 助手
- 产品说明查询
那 RAG 仍然非常有价值。
问题在于,企业一旦从“问答 demo”进入“真实工作流”,系统要求就变了。
因为用户问的已经不是:
“这份制度怎么写?”
而是:
“结合我当前负责的客户、正在走的流程、我所在的部门权限、系统里的最新状态,下一步我应该怎么做?”
这时,相关文本只是答案的一部分。
真正决定系统可不可用的,是上下文。
什么是 context architecture
可以把它理解成一句话:
不是只给模型一堆资料,而是给模型一个“能正确做事的工作现场”。
这个工作现场,通常至少包含 5 层上下文。
第一层:知识上下文
这是传统 RAG 最擅长的一层。
也就是:
-
文档
-
制度
-
会议纪要
-
FAQ
-
方案库
-
历史案例
这一层回答的是:
“有哪些内容和当前问题相关?”
第二层:身份与权限上下文
企业里不是所有信息都能对所有人开放。
同一个问题,不同岗位、不同部门、不同角色,能看到的答案范围本来就不同。
如果系统只做检索,不带权限上下文,就会出现两个典型问题:
-
不该看的被看到了
-
该看的被错误拦住了
所以企业知识库不能只问“搜得准不准”,还要问:
“谁在问?”
这一层回答的是:
“…