RAG 已过时？探讨抛弃切片、直接投喂 Markdown 的 AI 知识库新路径

在企业级 AI 知识库的构建实践中，开发者遭遇了传统 RAG（检索增强生成）方案的痛点：过度依赖 Markdown 解析质量，导致 PDF 文档在切片和层级树结构处理上频频出错，进而影响 AI 的准确引用。相比之下，将完整的 Markdown 文档直接丢给大模型（利用其长上下文能力）反而取得了更好的问答效果。本文结合 GPT 的建议，提出了绕过复杂预处理流程的技术方案，并引发社区探讨：在模型能力日益强大的当下，这是否是构建知识库的最优解？