大模型上下文窗口到一百万了。资料全塞进去，检索系统是不是可以退休了？
上下文越大，企业在检索系统上花的钱反而越多。
你塞一百本书进去，模型可能只认真看了开头和结尾几本。
以前理解 RAG，是"模型读不了太多，先帮他筛一筛"。
现在模型能读了，RAG 的价值变了——它决定什么信息能进决策流程，什么不能进。
你还查不出来。
检索链路天然就是一道防火墙。
"模型看到了不该看的， 某个回答里顺嘴就说出来了。 这不是答错， 是事故。"
没有溯源，就没有信任。没有信任，就没有落地。
长上下文不是 RAG 的对手，是 RAG 的解放。
把一堆材料无差别地倒进模型，就像把建材全堆工地上让工人自己挑。
检索负责海选，长窗口负责精读。这才是企业 AI 的落地范式。