大家好，欢迎来到共识粉碎机 AI 颠覆软件讨论会系列的第一期播客！

共识粉碎机是 AI 圈的老社群了，从去年 3 月份开始我们就坚持举办 AI 颠覆软件讨论会系列，走到现在已经是第 19 期了，我们也终于准备好在第 19 期将内容搬上播客！

与过去大家听到的 AI 播客不同，我们同时会讨论场景、应用，也会直接进入到技术细节。

讨论节奏会非常快速，信息量非常密集，相信每一期对于听众都是一次信息大爆炸。

陈将：Ziilliz 生态和 AI 平台负责人

唐飞虎：月之暗面担任研发工程师和开发者关系负责人

周默：共识粉碎机公众号主理人，前美元对冲基金投资人，前腾讯 / 微软战略与投资经理。

本期的内容已经抽取成文字纪要，请查阅共识粉碎机公众号的文章：

关于 RAG 的讨论共识粉碎机在过往文章中也有讨论，请查阅：

本次讨论的大背景是在之前的 RAG 讨论会后（陈将老师也作为嘉宾参与），我们收到了非常多关于在不同场景是选择长文本还是 RAG 的问题。与过去讨论长文本与 RAG 经常空对空相比，我们本次讨论会将分到具体的场景、具体的指标，方便创业者、从业者、投资人具体了解。

00:04:21 长文本与 RAG 的典型差别：准确率

00:06:55 长文本与 RAG 的典型差别：成本与延迟

00:09:43 长文本降低 First Token 延迟的方法

00:13:40 长文本 vsRAG 就像关公战秦琼，：要看场景

00:16:35 RAG 的部署工作与难度

00:20:38 RAG 的权限处理

00:23:58 长文本的部署与权限处理

00:27:25 长文本的技术爬坡路径

00:29:16 RAG 的技术爬坡路径

00:35:04 场景比较：数值计算 / Text2SQL

00:40:24 场景比较：客服与 Sales Agent

00:52:10 长文本与 RAG 的长度边界讨论

00:55:01 场景比较：AI Coding

01:01:04 企业的代码库有多大？

01:03:49 企业大代码库一定要用 RAG 吗？

01:05:36 企业大代码库如何做解析结构？

01:09:02 场景比较：AI 搜索

01:11:24 GitHub Copilot 用长文本还是 RAG？

01:12:26 RAG 的成本原理与组成

01:17:17 长文本还有哪些工作可以降低成本？

01:18:53 长文本与 RAG 的融合架构与部署

01:23:36 QA 环节：长文本的技术壁垒与大模型差异化

01:24:52 QA 环节：AI 搜索他对于网页语义提取能做到什么颗粒度？AI 搜索是否还会混合过去的传统倒排？

01:28:12 QA 环节：大厂的丰富索引库经验会不会让其在 AI 搜索上比创业公司更强？

01:29:46 QA 环节：GraphRAG 带给我们什么启发？技术路线是否是现在的 Best Practice？

01:34:15 QA 环节：企业内部落地 RAG 的过程中如何克服冷启动？