RAG之父：部署AI Agents的10个经验教训

前两天，RAG之父Douwe Kiela发表了一个演讲，分享了企业级RAG系统的10个经验教训：

一是更好的大语言模型不是最好的答案，系统级能力优于模型性能；

二是企业内部积累的专业知识才是驱动AI产生价值的核心燃料； 

三是大规模处理企业数据的能力才是护城河，企业独特数据是核心竞争力，重点要放在让AI有效处理大规模、多源和含噪数据上，而非过度清洗数据；

四是建立小规模试点相对容易，但如果扩展到生产环境就会面临巨大挑战；

五是速度比完美更重要，80分方案快速上线往往优于追求100分的延迟交付，过早追求完美会延长开发周期，错失市场机会；

六是不要让工程师在无聊的事情上花费大量时间，工程师的精力不能耗费在分块策略、提示工程等底层优化上；

七是要让AI易于消费，将AI嵌入现有业务系统，而非独立工具，以降低使用使用门槛；

八是要让AI应用产生粘性，让你的用户体验到惊叹时刻，比如，用户首次使用即解决历史难题，发现隐藏知识；

九是可观测性比准确率更重要，在保证基础准确率后，重点转向归因追溯、审计追踪和错误分析，然后，建立反馈闭环监控系统，确保合规并持续改进；

十是要有雄心壮志，因为项目失败往往不是因为目标太高，而是因为目标太低，所以要敢于挑战能真正带来业务转型的难题。