AI日报｜企业知识库检索要按问题分档

结论先说：企业知识库不应让每个问题都走同一条RAG链路。制度原文查看、单一清单查询和跨多份文件比较，所需的检索深度、生成成本、证据要求与风险完全不同。11月9日，AWS为托管知识库公开三种可通过同一接口调用的模式：只返回来源片段、一次检索后生成、以及多轮规划检索后生成。真正值得企业采用的不是某个参数，而是按问题复杂度分档，并用同一组代表性问题验证证据、权限、延迟与成本。

本轮先核验北京时间执行前24小时的一手材料，必要时扩展到48小时。最终保留2026年11月8日至9日的7条合格更新，覆盖企业知识库、Agent运行时、机器人仿真、物理AI、分布式推理、安全运行时与异构芯片。研究窗口内跨厂商合格更新有限，因此没有用旧闻、媒体转述或工具热度凑到8条；搜索量、热搜和站长实时查询均未取得。

今日重点

企业知识库新增三档检索模式。 AWS的`AgenticRetrieveStream`可在同一接口下返回来源片段、完成单次RAG，或执行多轮代理检索。已核验的是服务参数与示例；未知的是它在企业现有文档、中文问题和权限体系上的实际正确率。知识库负责人应关注如何路由，而不是默认多轮越多越好。
路由不会自动替企业做决定。 AWS明确说明，`maxAgentIteration`只控制迭代上限，选择哪种模式仍是应用逻辑。直接问题可从低迭代开始，复杂比较才增加规划；采购和验收团队需要先定义问题类型、失败代价与升级条件。
Agent运行时继续优化冷启动与内存。 AWS周报称Runtime V2按需扩展并回收内存，通过快照恢复环境；厂商测试的P75冷启动约2秒，但同时说明单价更高、降本并不保证。企业应以自有镜像、峰值并发和会话长度复测，不能把厂商数字直接写进SLA。
机器人训练把仿真推进到精细操作。 NVIDIA在CoRL介绍GR00T 2、Isaac Lab 3.0、开放基准和代理式机器人工作流，重点从移动扩展到齿轮对齐、接线和小件装配。制造企业需要关注失败样本如何回到仿真与训练，而不是把研究演示当成可投产精度。
物理AI数据飞轮出现更完整的公开链路。 NVIDIA与LG披露的CLOiD流程把真实数据、合成增强、模型训练、端侧计算和仿真评估串联起来。它说明机器人项目要同时管理数据、仿真和现场验证；合作披露没有给出可通用的节拍或安全成绩。
开放模型部署开始交付多节点配方。 NVIDIA为四个韩国开放模型发布Dynamo优化配方，面向B200多节点推理并报告最高2倍性能。数字只适用于指定模型与平台；私有化项目仍应按并发、上下文、答案质量、功耗和故障恢复验收。
Agent安全与异构推理都在强调边界。 OpenShell把沙箱和策略控制放进运行时；NVLink Fusion合作则计划让GPU处理prefill、NPU处理decode。前者仍需验证权限和数据泄露防护，后者预计系统尚未交付，都不能替代当前项目的本地验证。

重点拆解：为什么知识库要按问题分档

“员工问什么，都先让Agent拆问题、改写查询、反复搜索，再生成答案”听起来能力更强，实际可能把简单查询变慢、变贵，也扩大无答案时的生成空间。反过来，如果所有问题都只检索一次，跨制度、跨部门或带条件比较的问题又可能漏掉关键证据。

AWS公开的新模式提供了一个清晰参照：`maxAgentIteration=0`时只执行检索，不调用大模型生成；`=1`时做一次检索并生成一个有依据的回答；`=2`至`5`时允许多轮规划和补充检索，最后再生成。每个迭代对应一次基础模型调用，最后一次预留给答案生成。这里最重要的边界是：参数不会自动判断问题难度，路由必须由企业应用自己完成。

企业可以先用三档业务规则，而不是一开始训练复杂路由模型：

| 问题档位 | 典型问题 | 建议路径 | 必须保留的证据 | |---|---|---|---| | 来源核对 | “把最新报销制度原文给我” | 仅检索，不生成 | 文档版本、权限、片段、页码或定位信息 | | 直接回答 | “差旅住宿上限是多少” | 一次检索加一次生成 | 命中片段、引用、答案与文档生效日期 | | 复杂比较 | “不同职级、城市和出差天数的规则有何差异” | 多轮规划检索 | 子问题、每轮检索、缺口、引用与最终组合逻辑 | | 无答案或高风险 | “帮我批准例外费用” | 拒答或转人工，不以检索深度替代权限 | 无答案原因、审批人、业务系统回执 |

分档不是按句子长短。一个很短的问题也可能高风险，例如“这个供应商能付款吗”；一个很长的问题也可能只需返回原文。更可靠的路由特征包括：是否要求原文、是否跨多份制度、是否需要比较或计算、是否涉及权限与个人数据、答案错误会不会触发付款或生产动作，以及当前检索是否已获得足够证据。

如何把路由策略做成可验收系统

第一步不是调参数，而是建立代表性问题集。至少覆盖直接查找、跨文档比较、时间条件、冲突条款、权限差异、同义表达、错别字、表格与附件，以及文档中根本没有答案的问题。每道题要有可核对的参考证据、允许看到该证据的角色，以及错误答案的业务后果。

第二步让三种路径在同一问题集上对比。不要只看“回答像不像”，至少记录：证据是否正确、引用是否能打开、权限是否一致、无答案时是否明确停下、P50与P95延迟、每问模型调用次数、检索次数和人工复核量。成本计算应使用企业自己的调用单价与流量分布；本文不提供没有公开依据的固定节省比例。

第三步定义升级和降级条件。例如：单次检索只命中一个低相关片段、问题含比较词且涉及多个对象、或来源间存在冲突时，可升级到多轮检索；若权限不足、无高于阈值的证据、问题要求执行高风险动作，则不应继续“多搜几次碰答案”，而应拒答或转人工。系统还要保存路由原因、参数版本和每轮证据，才能复盘为什么某个问题变慢或答错。

第四步把生成和业务动作分开。多轮检索可以提高证据覆盖，但不代表有权审批、修改主数据或控制设备。涉及付款、合同、停机、人员与合规的动作，仍要经过确定性权限、业务规则、人工审批和目标系统回执。知识库给出的应是可追溯证据，不是越权许可。

白泽的重庆RAG开发服务覆盖文档解析、检索、权限、引用与评测；知识管理场景也可查看企业知识库建设。公开的污染源智能体案例可用于理解多来源证据和受控流程，但它不代表已实测AWS本次参数，也不提供未公开的成本、准确率或客户配置。

适用条件与风险

问题分档适合文档规模较大、问题难度差异明显、直接查询占比高、又存在跨制度比较的企业知识库。若文档很少、问法固定，简单检索加明确模板可能更经济；若数据权限尚未同步、文档版本混乱或引用无法定位，先治理内容与权限，比增加代理检索更重要。

主要风险包括：路由器把复杂问题误判为简单查询；多轮检索重复同一证据却增加成本；权限在子查询中丢失；过期文档被多轮放大；无答案问题经过多轮后生成看似完整的结论；监控只记录最终文本，没有每轮检索和版本；高风险问题被当作知识问答而非业务动作。每项都需要保守默认、人工升级和可回滚配置。

今日企业行动

从真实业务中各选20道原文查看、直接回答、复杂比较和无答案问题，冻结文档版本、角色权限与参考证据。
用同一问题集比较仅检索、单次RAG和多轮检索，记录证据正确率、引用可用率、权限泄漏、P95延迟、模型调用数与人工复核量。
先写确定性升级规则：跨文档比较才加深检索；权限不足、无证据或要求高风险执行时立即拒答或转人工，不用更多迭代掩盖边界。

准备咨询时，可提供脱敏文档目录、文档数量与格式、权限角色、20至50道代表性问题、期望引用形式、无答案处理、并发与延迟目标，以及需要连接的业务系统。白泽智能｜重庆斯巴达信息技术有限公司。

来源与证据边界

厂商测试、研究演示、合作计划和未来时间表只按原始适用范围陈述，不作为白泽项目成绩、采购收益或上线承诺。未取得实时搜索量、热搜、站长查询或需求规模。