最近接了个活，给一家企业做智能客服系统。
按行业惯例，这种需求闭着眼睛都是上 RAG——就是现在最火的那种”企业知识库问答”，你问什么，AI 从你的资料里找答案。
结果我拿到客户的数据一看，乐了。
全是产品规格表。型号、功率、尺寸、电压，一格一格的参数，整整几百行。
我当场跟客户说了句得罪人的话：你这数据，不适合 RAG。
RAG 是个啥？一个图书管理员
先花一分钟把 RAG 说明白，不懂技术也能懂。
RAG 的本事，类似一个很能干的图书管理员。你问它一个问题，它不理解字面，它理解”意思”。然后跑到书架上，把意思相近的内容翻出来给你。
你问”这东西坏了咋办”，它能找到说明书里”故障排除指南”那一页——虽然你俩用的词完全不一样。这就是它牛的地方：找的是”意思”，不是”字眼”。
但这位管理员有个致命弱点：它只会找”差不多的”，不会找”必须是这个的”。
问题就出在这
规格参数这种东西，要的是一字不差。
客户问：“A301 这个型号功率多少？”
正确答案是 1500 瓦。但图书管理员翻了一圈，给你抱回来 A302 的 1600 瓦、A300 的 1400 瓦——意思都很相近嘛，都是 A 系列，都是功率。
可对买家来说，差 100 瓦就是买错货。买错货就是退货、投诉、赔偿。
所以你看，不是 RAG 不好，是它擅长的和你需要的，压根不是一回事。参数查询要的不是图书管理员，是查表员——翻到那一行那一列，把那个数字原封不动抄出来。
三个问题，测测你的业务适不适合 RAG
老板们不用懂技术，回答三个问题就够：
第一，客户问的，要”差不多”还是”一字不差”？ 退货流程、保修政策，差不多就行，RAG 能干。型号参数、价格库存，必须精确，小心了。
第二，你的数据，是”文章”还是”表格”？ 说明书、聊天记录、历史工单，是 RAG 的主场。一列列的参数表，是它的软肋——数字没有”意思”可找。
第三，答错了要不要紧？ 随便聊聊答错了无所谓。但报错一个参数，客户买错型号、电工接错线，那是要赔钱的。
三个问题里有任何一个答案是”要精确”，都别硬上纯 RAG。
那怎么办？一个机器人，配两个师傅
正确的姿势其实不复杂，看这张图的架构：
前台还是一个客服机器人，客户随便问。关键是后台加了个”分拣员”：
客户问”怎么退货”——意思类问题，分给 RAG 师傅，去说明书里找答案。
客户问”A301 功率多少”——参数类问题，分给查表师傅，直接翻规格表，一字不差报出来。
各走各的道，谁也别为难谁。
我这个客户的系统最后就是按这个思路改的。钱没多花多少，但客服终于不会把 1500 瓦说成 1600 瓦了。
给老板们一句掏心窝的话
AI 落地这行干久了，我发现最贵的从来不是技术，是用错技术。
RAG 是好东西，但它像一把菜刀——切菜一流，你拿它拧螺丝，只会把螺丝和刀都搞坏。
上 AI 之前，先花半天时间，把你们最真实的 20 个客户问题拉出来，按上面三个问题过一遍。适合不适合，当场见分晓。
这半天，可能帮你省下几十万。
你们公司的客服问题，是”意思类”多还是”参数类”多？评论区聊聊，我帮你把把脉。