去年花钱建的AI知识库，今年是不是过时了？做Claude的团队把自家检索系统拆了

去年立的项、验收签的字、员工问报价它真能答上来——你花真金白银建的企业知识库，本来觉得这钱花得挺踏实。然后某个下午，技术负责人转来一条消息：做出Claude的那家公司，自家团队把AI查资料用的检索系统拆了。他的原话多半还带着点慌："咱这套，是不是砸手里了？"这是"范式系列"的第三篇，AI工程师樊军刚从这个最典型的心慌讲起：这一季的第一个换代现场——AI翻资料的方式，刚刚换了一代。

先把答案放桌上：你建知识库的钱没白花。资料治理是地基，地基不过时；真正换代的，是AI"翻资料"的那个动作——检索没死，是从主角降级成了工具。

先把新闻听全：被拆的到底是什么

心慌往往来自只听了半句新闻，先把另一半补上。

被拆的那套东西，行话叫RAG——提前把资料切成段、存进一个按"意思相近"组织的库（行话叫向量库），问题进来，按相似度捞几段，交给AI照着答。第20篇讲企业知识库怎么建时打过比方：AI答题前先"翻柜子"再作答，翻的就是捞出来的这几段。市面上2024年到2025年建的"AI知识库"，核心多半是这套。

拆它的还不是外人。做出Claude的Anthropic，自家的编程工具Claude Code（让AI自己读代码、改代码的那个）早期版本用的也是这套。2025年，Claude Code的创造者Boris Cherny公开分享了这次换代：实测下来，不让AI吃提前捞好的段落，让它自己拿着搜索工具在资料里反复翻找，效果"大幅胜出，令人意外"——而且更简单，还顺手甩掉了切片检索的几个老毛病：索引过期、安全顾虑、隐私顾虑、可靠性隐患。于是他们把向量检索那套拆了，行业随后跟进。

注意措辞里的分寸：人家说的是"实测之后，拆了自家那一套"，不是宣布哪项技术死刑。这个分寸，正是这篇要讲透的东西。

一次猜，和反复找，差着一整代

为什么"自己翻"能赢"提前切好"？旧法的本质是猜：资料提前切好装袋，问题来了，按相似度猜你要哪几袋，捞出来加热端上。猜对了，快；猜错了，没有第二次机会——AI只能捏着捞出来的那几段硬答。

新法的本质是找：AI像研究员进了档案馆，第一轮没找对，换个关键词再翻一轮；翻到线索，顺着追下去；两份资料打架，再翻第三份交叉验证。找错了，自己纠正，接着找。一次猜和反复找，这是能力的代差。

最实惠的改善，恰恰落在企业知识库的头号死法上。第20篇数过知识库答错的四种死法：库里没有、有但没翻到、翻到了看走眼、答了旧版——其中"答了旧版"（拿去年的价格表答今天的单）被点过头号。旧法难治这病：AI读的是库索引里切好的段，文件换了、索引没跟上，它照样端旧料上桌。新法天然缓解：AI翻的是文件本身，读的永远是当前这一版——文件昨天换的，它今天翻到的就是新的。

预制菜与大厨：两个年代的厨房

把两个年代摆进同一间厨房，一眼就看清。

2024年的知识库是预制菜逻辑：提前把料切好、装袋、冷冻（切片进库），客人点单，系统猜他要哪袋，捞出来加热上桌。2026年的AI是进了后厨的大厨：自己开柜子挑料，现翻现做，发现哪份料不新鲜，自己扔掉。

预制菜最要命的风险不在难吃，在时间差：你点的是今天的需求，它端的是上周切好的料——"答了旧版"那个头号死法，病根就埋在装袋冷冻那一环。

预制菜没有退出餐饮

话说回来，预制菜到今天也没消失——标准化快餐场景，它依然最划算。资料检索同理：资料少、更新慢、问法固定的场景——比如一份几百页、一年改一版的产品手册，问来问去就那几十个问题——切片检索依然更快更省，这是业内实践的通行观察。Anthropic自家也不是信仰式站队，是实测之后才换的。

所以结论不是"拆掉重来"，是两句话：新建的项目，别再默认围着向量库设计；已建的老系统，按场景判断要不要升级——痛点集中在"答旧版、翻不到"的，优先换的是翻找方式，不是推倒重建。检索没死，是从主角降级成了工具：以前是整个架构围着检索转，现在检索只是AI手里的一件工具，翻不动换个姿势，一件不行换另一件。

变的是"翻"，不变的是"治"

这一节，是给已经建了库的老板吃定心丸。

第20篇聊过企业知识库怎么建才好用：按场景选资料、编目立规矩、上线后接着养——这套功夫一个字不作废。因为AI自己翻资料，翻的还是你治理好的那些资料：该留哪个版本、谁负责更新、旧版怎么下架，这些"治"的功夫，换哪代技术都省不掉。大厨手艺再好，柜子里全是过期料，照样出不了好菜——库乱，神仙检索也救不了。

斯坦福那项"迷失在中间"的研究（第20篇讲过）也在这边补了一刀：资料塞得越多、关键信息埋在中间，AI漏看得越狠。这恰是"该翻不该塞"的又一条证据——与其把柜子塞满、指望一次猜中那一段，不如让AI自己走进柜子，翻到对的那份为止。

所以这件事可以总结成一句话：变的是"翻"，不变的是"治"——你对资料的治理，是两代技术共同踩着的地基。

三问自查：你的知识库是哪一代

不用懂技术，三个问题掂出年代：

一问：它答错的时候，错在"猜错了段落"，还是"根本没找对文件"？前者是旧翻法的常态——相似度猜段，猜错了只能将错就错；后者说明资料治理还没做完，先治库，再谈换代。

二问：资料更新之后，AI多久能用上新版？要等重新切片、重建索引的，是旧法；直接读文件、当天生效的，是新法。

三问：供应商给的升级方案，是"调检索参数"，还是"换翻找方式"？答错只会调参数、加切片规则的，他手里的地图还是2024年的——你付的是新钱，买的可能是旧地图。

这件事怎么落到你的公司

"范式系列"全系列的入口是同一个免费动作：AI系统年代鉴定。把你现有的AI系统、知识库或供应商方案（脱敏后）发过来，樊军刚AI鉴定它是哪一代范式——下一步谁决定、资料怎么翻、经验沉淀在哪、出错怎么管——出一页"年代判定+升级路径"意见，这件事免费。

想直接跑起来的公司，从单点场景起步：樊军刚AI的单点场景3万起、2-4周上线，先跑通最痛的一个点、跑出真实数据，再谈扩展。多场景组合与长期合作另有分期方案；大项目分期落地：先验证最痛的点，逐步扩展，风险锁在每一期。更多案例见官网 fanjungangai.com。

上一篇讲了两种思维的分水岭：写程序的脑子，还是带员工的脑子。这一篇是分水岭落到的第一个现场——资料怎么翻；下一篇进第二个现场：老师傅的经验怎么沉成AI照着干的手册（第59篇），再往后是人怎么挑（第60篇）、系统怎么验年代（第61篇）。回到开头那条让你心慌的消息：人家拆的不是知识库，是后厨里翻料的方式——你治理好的那柜子料还是资产，一分不作废；要换的，只是请一个自己会翻柜子的大厨。