文章提出十个挑战主流RAG教程的企业文档智能立场。它认为RAG不是机器学习；嵌入不是魔法；块大小扫描优化了错误的东西；答案模式比模型更重要。标准教程模式——分块文档，嵌入，通过余弦相似度检索，重新排序，发送到LLM——在hello-world示例上有效，但在真实企业文档上会摇晃。这十个立场分为三层：检索（结构优先，字典先于模型，重新排序器是工具而非阶段，一个向量存储用于一切），企业定义（企业意味着什么，系统放大谁，谁在运行时选择路径），以及审计（按失败模式逐项评估，砖块之间的关系结构，引用作为证据）。第一立场颠覆了默认教程：向量存储是后备方案，而非基础。结构优先检索处理真实问题的大部分；嵌入作为残余情况的安全网。系列配套笔记本在真实PDF上运行，展示了嵌入之前的结构优先检索，带行级引用的类型化答案，以及按失败模式切片的评估。

关键实体：公司：Anthropic | 人们：Hamel Husain, Eugene Yan, Jason Liu

常见问题：为什么主流RAG教程在企业环境中失败？

主流教程依赖单一向量存储和余弦相似度方法，这在hello-world示例上有效，但在真实企业文档上会失效。文章主张结构优先检索，将向量存储视为后备方案，并强调可解释性而非基准测试。