标题：没有RAG打底，一切都是PPT，RAG作者Douwe Kiela的10个关键教训

AI聊天不够自然、准确率不足是许多企业在应用大模型时遇到的常见问题。这些问题与RAG（检索增强生成）技术密切相关。RAG能提升模型表现，但真正用好的公司不多。Douwe Kiela作为RAG的开创者之一，提出了10条经验，值得借鉴。

首先，上下文理解是大模型的短板。人类能轻松处理复杂任务，而AI在看似简单的场景中却常出错。这是因为语料残缺，隐性知识难以结构化。其次，工程能力比模型更重要。AI项目需要大量提示词和数据处理，一个复杂项目可能涉及数万字的提示词，远超模型本身的重要性。

垂直领域AI才是王道。通用AI难以匹敌行业专家，专业化能带来真正的价值。数据成为企业壁垒，真实业务数据的处理和利用是关键。AI项目的非对称性明显，试点容易，生产部署难，需从一开始就面向大规模应用设计。

快速迭代至关重要，尽早交付产品并收集用户反馈。不要让工程师陷入底层优化，应聚焦核心价值。使AI易于使用，才能真正被用户接受。关注不准确性，建立可观测系统，才能持续改进。

最后，保持雄心，坚持长期工程管理。AI项目充满挑战，但通过不断优化和积累数据，最终能实现准确率、可观测性和迭代能力的三连击。