Artikel ini menyajikan sepuluh posisi untuk Kecerdasan Dokumen Perusahaan yang menantang tutorial utama RAG. Ia berargumen bahwa RAG bukan pembelajaran mesin; embeddings bukan sihir; sapuan ukuran chunk mengoptimalkan hal yang salah; skema jawaban lebih penting daripada model. Pola tutorial standar—memecah dokumen menjadi chunk, membuat embeddings, mengambil berdasarkan similaritas kosinus, mengurutkan ulang, mengirim ke LLM—bekerja pada contoh hello-world tetapi goyah dengan dokumen perusahaan nyata. Sepuluh posisi ini terbagi menjadi tiga lapisan: pengambilan (struktur terlebih dahulu, kamus sebelum model, reranker sebagai alat bukan tahap, satu toko vektor untuk semua), definisi perusahaan (apa arti perusahaan, siapa yang diperkuat oleh sistem, siapa yang memilih rute saat runtime), dan audit (evaluasi per kegagalan, struktur relasional antara blok, kutipan sebagai bukti). Posisi 1 membalikkan tutorial default: toko vektor adalah cadangan, bukan fondasi. Pengambilan berdasarkan struktur menangani sebagian besar pertanyaan nyata; embeddings masuk sebagai jaringan keselamatan untuk kasus sisa. Notebook pendamping seri berjalan pada PDF nyata, menunjukkan pengambilan berdasarkan struktur sebelum embeddings, jawaban bertipe dengan kutipan tingkat baris, dan evaluasi yang dipotong sesuai mode kegagalan.

Entitas Kunci: Perusahaan: Anthropic | Orang: Hamel Husain, Eugene Yan, Jason Liu