3
0【本期主题】
知识库一定要先切片、向量化吗？C哥把 RAG 和 Skill 的参考资料机制放在一起，比较它们怎样查资料、保留上下文和更新文件，再用 Claude Code 查登录逻辑说明按需检索。本期也保留 RAG 适用的边界，最后给出目录引导、本地精确搜索、外部检索补充的三层知识库查找方式。
【核心看点】
文档切成几百个词元的小片段之后，为什么章节条件和引用关系容易在检索里丢掉？
问退货政策却同时找回淘宝、京东和亚马逊规则，语义相近为什么未必就是业务上有用？
参考资料保留文件名、目录和完整章节，智能体怎样顺着一次查找结果决定下一步读什么？
从处理时机到知识库更新，切片召回和按需读取文件，在谁做判断这件事上差在哪？
让 Claude Code 查项目登录逻辑，为什么它会顺着路由、导入和测试一路往下找？
上下文和工具能力变强后，为什么过去必须配合向量检索的任务，现在可以换一种做法？
几百万工单、模糊问题和高并发客服场景里，为什么仍然值得把RAG封装成外部检索工具？
先看目录、再搜本地精确词、资料不足才调用外部系统，这三层查找怎样互相补位？
【主播】
软件和人工智能专家，程序员，已申请数十项技术专利。连续创业者，历任多家公司 CTO，AI 畅销书《DeepSeek 全场景指南》《学会提问，驾驭 AI：提示词从入门到精通》《玩转 Skill》作者，C 哥的 AI 成长圈主理人，帮众多企业和个人落地 AI。
