作者认为 RAG 能用却难调到好用

是什么

作者回顾个人知识库与 RAG 的实践，核心判断是：基础 RAG 已容易搭建，但要稳定达到“好用”仍需要大量切块、嵌入、检索增强和评估工作。

关键内容

视频将传统 RAG 的主要问题归因于文本分块会切断实体与关系的上下文；GraphRAG 虽可通过知识图谱连接实体与关系，但构图成本、准确率、人工校验和实施复杂度限制了普及。作者还提到 Hybrid Search、Re-ranking、Multi-query 等方法，但认为它们仍是对现有链路的优化。

可借鉴之处

对个人知识工作，可先区分“检索已有内容”和“从大量材料中提炼结构、盲区与连接”两类目标。前者适合按实际问题评估 RAG；后者可尝试把较完整的材料交给长上下文模型综合分析，而非只增加收藏与索引。

边界与风险

这是一位创作者的经验判断，并非对 RAG 或 GraphRAG 的通用性能结论。视频未提供评测集、成本数据、具体实现或对比实验；转写中的部分产品名疑似识别错误，人工审核时应回看原视频确认。