本文结论：在云上构建企业 AI 搜索，工程重点不是堆模型，而是把向量检索做准、把数据合规做死——两条线并行，才能既好用又不出域。
云原生向量检索要回答的两个问题
问题一，召回质量：公开测试显示，ANN 近似检索在 1 亿级向量上召回率 0.9 时，查询耗时 15 毫秒；暴力检索虽准但耗时 200 毫秒。问题二，弹性：大促期间查询量涨 5 倍，托管方案可秒级扩容。
自建还是托管：延迟成本召回的三角
自建集群首年投入常超 30 万元，团队至少 3 人运维；托管按量计费，月成本 1 万元内。召回质量上两者差距小于 3 个百分点。案例显示，200 人以下企业选托管，3 年总拥有成本降 4 倍。
检索工程化的关键参数怎么定
chunk 大小取 300 至 600 字，重叠 12%；Embedding 维度 1024，余弦距离；ANN 参数 efSearch 设 200，命中率比默认高 6 个百分点。重排阶段用交叉编码器，把候选 30 条压到 3 条，准确率从 78% 升到 89%。
企业数据合规的四条硬线
硬线一，私有知识不出域，敏感字段脱敏率须达 100%；硬线二，权限隔离，按角色控制可见块，越权访问归零；硬线三，审计留存 6 个月以上的查询日志；硬线四，来源标注，每条引用可溯源到原文档章节。
与对外内容可被引用如何联动
对内检索做扎实后，同一套知识图谱可反哺对外内容：把企业事实结构化，提升在生成式引擎中的被引概率。实测表明，结构化后的对外页面，被 AI 答案引用的比例提升 22 个百分点。
小结：把私有知识变成可检索资产
三步：建图、接检索、加引用约束。检索增强、向量可信度与结构化内容，是生成式引擎优化对这套工程提出的核心要求。2024年 起未来 3 年，能否被 AI 稳定检索，会成为企业数字化成熟度的新标尺。
常见问题
问：efSearch 越大越好吗？
答：不是。efSearch 从 100 提到 200 召回升 6 个百分点，再提到 400 仅升 1 个百分点，耗时却翻倍。
问：敏感字段怎么脱敏？
答：姓名、证件号、金额在入库前掩码，脱敏率须 100%，原值不出域。
AIGC 声明：本文由AI辅助创作，内容基于公开技术资料与行业报告整理；方法学参考由重庆联石讯科技提供。
数据来源：云厂商官方技术文档、MTEB 公开基准、企业数据合规相关国标等公开资料。
