上个月在闽南一家做精密压铸的企业，IT负责人兴致勃勃地演示刚上线的企业知识库。问"年假怎么休"，对答如流；问"设备保养制度"，条理清晰。演示进行到第十分钟，车间主任凑过来问了一句："3号线压机上次那种异响，最后查出来是什么原因？"
知识库沉默两秒，然后一本正经地回答了——包括一段根本不存在的检修记录和一条查无实据的处理措施。会议室安静下来。IT负责人苦笑："它在编。"
这个场景，今年我们在客户现场至少见到了七次。每次都一样：演示惊艳，生产拉胯。而这中间的落差，不是模型不行，是绝大多数人还没看清楚一件事——
一、RAG找的是"像的"，不是"对的"
RAG（检索增强生成）的机制一句话就能说透：把文档切块、转成向量；提问时把问题也转成向量，在向量空间里找"距离最近"的文本块，喂给大模型组织成人话。
注意关键词：距离最近。向量度量的是语义相似性——"很像答案的文本"，仅此而已。它不理解事实，更不执行推理。问"上次类似异响的原因"，它检索回来的是保养制度、异响处理规范、甚至另一台设备的事故通报——因为这些都"很像"。然后大模型拿到了一堆相似但不相干的材料，只好发挥它的老本行：编。
那为什么演示时那么惊艳？因为演示问的都是单跳、高频、有权威文档的问题——制度类问题全文里就写着标准答案。而车间主任问的是多跳、关联、要精确的问题：它需要先从检验记录里找到"那次异响"，再关联维修工单的根因，再核对设备台账——三次精确关联。向量检索在第一步就断链了。
二、知识库的六级成熟度
软件行业有个老朋友叫CMM（能力成熟度模型），做过信息化的制造业管理者都熟。知识库其实也有成熟度，而且分级之后你会发现一个残酷的事实：RAG只到第三级。
| 等级 | 名称 | 特征 | 典型表现 |
|---|---|---|---|
| L1 | 存了 | 网盘、共享盘、文件夹 | "知识肯定在，就是没人找得到" |
| L2 | 找到 | 全文检索、关键词 | 能搜到文档，但要自己读懂全集 |
| L3 | 问出来 | RAG（向量检索+大模型） | 能回答，答不准，无证据链 |
| L4 | 答准 | 叠加结构化知识层（图谱） | 实体关联、多跳推理，精确到记录 |
| L5 | 信得过 | 溯源+校验+置信度 | 答案带证据链，敢进生产决策 |
| L6 | 活着 | 知识随业务流自动更新 | 工单实时沉淀，过期知识自动失效 |
L3到L4这一步，就是那家压铸企业卡住的地方。而大部分企业卡在L3不是因为技术不够，是没人告诉他们L4存在——供应商交付RAG时称之为"知识库"，这个名字本身就封住了想象力。
三、制造业的知识，母语就是图
为什么L4的结构化知识层对制造业尤其重要？看看制造业知识的真实形态：
- BOM是图——产品、部件、零件、替代关系、供应商，天然的多层网络
- 工艺路线是图——工序、设备、工装、检验点的串联与分支
- 故障树是图——FTA本来就是图结构，故障现象、中间事件、底事件、逻辑门
- DFM规则是图——设计特征、工艺约束、历史缺陷之间的关联判断
- APQP的交付物之间还是图——控制计划引用流程图，作业指导书引用控制计划，一份变更牵动一串文档
制造业知识的母语是结构，不是文本。用纯文本RAG处理图谱型知识，相当于用方言逐字翻译一门母语——意思丢了，关系断了。车间主任那个问题的正确解法在图上是三跳：异响事件→维修工单→根因→纠正措施，每一跳都是精确关联，不是语义相似。
四、判断链：什么时候RAG够用
必须马上说清楚：不是所有场景都要上图谱。杀鸡用牛刀，牛刀本身也是成本。给一条我们在项目里反复验证的判断链：
- 问题是不是单跳的？——制度、流程、培训类问题，答案就写在某份文档里，RAG足够，而且体验很好。
- 答案要不要精确到记录？——一旦涉及"哪一次、哪一单、哪一台、哪一批"，就是精确关联问题，必须结构化。
- 答错代价有多大？——答错年假制度，尴尬一下；答错故障原因，可能停线、可能安全事故。代价越高，越需要证据链（L5）。
- 知识在更新吗？——文档型知识更新慢，L3-L4即可；而检验记录、维修工单每天都在产生，这就是L6"活知识"的入口。
五、升级路径：从存量盘点到知识资产化
如果自评完发现自己在L3且确实需要L4+，不要推倒重来。我们建议的路径是三步，每一步都独立产生价值：
- 先盘点存量。知识分布在意想不到的四个地方：正式文档（最薄的一层）、业务系统里的记录（ERP/MES/检验/维修）、老师傅的脑袋里、以及群聊天记录里（最厚的一层）。盘完你会发现自己远比想象中富有，只是从来没把它们连起来。
- 分层建设。制度类走RAG，业务类走图谱，不要一把梭。判断标准就是第四节的判断链。两层并存，各答各的问题，互相引用。
- 从活水开始。起点不要选三年前的旧文档，选每天正在产生的记录——检验单、维修工单、客诉处理。它们是自动更新的知识源头，建起来的第一天就是"活的"，而且最快回本：老师傅退休前的每一次判断都被留下。
回到那家压铸厂。后来他们没有换掉RAG——制度问答继续用它，好用。真正上图谱的是另外三件事：设备故障追溯、质量异常关联分析、检验标准的引用校验。上线那天，车间主任又问了一次那个问题。这次系统花了不到一秒，给出工单号、根因、纠正措施，末尾还附了三张原始记录的截图。
他说："这才叫答案。"
结语
给一个最简单的自测：问你的知识库——"上次类似缺陷是什么原因？"不带证据的回答，都算没答。你的知识库能答到哪一级，决定了它是聊天的玩具，还是车间的工具。
大部分企业卡在L3，不是技术不够，是没人告诉他们L4存在。现在你知道了。