--- layout: post.njk source: https://blog.qiaomu.ai/2026-05-09-6ma4ba speaker: 向阳乔木 title: 没有向量数据库，AI搜索反而更准了 · 乔木博客 date: '2026-05-09' summary: 文章探讨了‘直接语料交互’(DCI)方法，该方法使用grep等工具，在AI搜索中超越了传统的向量数据库。论文对比了DCI与向量搜索的优劣，强调了检索界面的分辨率对AI理解能力的重要性，尤其适用于小规模语料库，并提出AI理解与精确文本定位是互补的。 area: tech-engineering category: ai-application tags: - ai-search - vector-database - rag - dci - grep-search people: [] companies_orgs: [] products_models: - DCI - vector search - retrieval-augmented-generation media_books: [] draft: true status: evergreen --- 乔木博客 全部 AI工具 AI教程 AI生成 AI资讯 健脑房 播客解读 论文学习 # 没有向量数据库，AI搜索反而更准了 论文学习 · 2026年5月9日 · 79 次阅读 · 约 9 分钟 > 原论文："Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction" AI 搜索产品背后的标准配方，大家已经默认为：把用户问题转成向量，在向量库里找最相似的文档片段，把排在前面的几条喂给模型生成答案。 Perplexity 这么做，ChatGPT 联网模式这么做，几乎所有带"AI 搜索"标签的产品都这么做。 一篇刚被 ICLR 2026 接收的论文提出了新观点：当 AI 模型本身已经足够聪明，这套"检索-增强-生成"的流水线反而成了瓶颈。 ## 一场不公平的对决，落后的赢了 论文作者用 BrowseComp-Plus（专门测 AI 深度搜索能力的基准，题目需要跨文档拼凑线索）做了一个实验。 他们给 Claude Sonnet 4.6 装了两套搜索系统： A 套（行业标配）：Qwen3-Embedding-8B 做向量检索，返回 top-k 文档片段。 B 套（DCI，Direct Corpus Interaction 直接语料交互）：不给任何检索器和索引。 只给终端工具——grep、bash、文件读取、find、轻量级脚本。 让 AI 直接在原始语料库里自己找。 结果：B 套准确率 80.0%，A 套 69.0%。 不仅高了 11 个百分点，成本还从 1440 美元降到 1016 美元，省了 29%。 一个没有向量索引、没有嵌入模型、没有检索 API 的系统，靠几个 Unix 命令行工具，全面碾压了精心调优的检索管线。 在更复杂的多跳问答上，差距更加触目惊心： 模型 NQ TriviaQA Bamboogle HotpotQA 2Wiki MuSiQue 平均 ASearcher-Local-14B（最强检索基线） 56 58 62 58 56 24 52.3 DCI-Agent-Lite (GPT-5.4 nano) 72 84 72 72 68 40 68.0 DCI-Agent-CC (Sonnet 4.6) 78 96 80 88 82 74 83.0 DCI 在六个数据集上全胜。 最极端的 MuSiQue（需要真·多步推理，不能走捷径），DCI 拿到了 74% 而传统基线只有 24%，简直是降维打击。 ## 为什么 grep 比向量搜索更准 David S. H. Rosenthal 在他 2025 年的文章里已经预警过这个问题。 传统检索器的设计逻辑是"一个查询，一个排名列表"。这在十年前完全合理。 但 AI Agent 的搜索行为和传统搜索完全不同。 它会搜一个关键词，发现一条线索，用这个线索去搜另一个词，在某个文件里定位关键段落，提取出一个人名或日期，再用这个人名去搜其他文件。 每一步都很小，但每一步都必须精准。 向量检索在这个场景下暴露了致命缺陷。 你搜"2024 年第三季度营收"，它可能返回一堆语义上相似但完全无关的内容。 而 grep "Q3 2024.*revenue" 返回的只有精确匹配。 论文把这个问题定义为"检索界面分辨率"（retrieval interface resolution）。 分辨率越高，AI 能看到的信息颗粒越细。 向量检索给的是"整篇文档"级别的大块信息，grep + bash 可以定位到具体某一行。 论文用一个比喻把这件事说清楚了：DCI 的搜索方式，就是人类研究员在图书馆里找资料的方式。 一个历史系博士生做研究的时候，不会把选题交给图书馆管理员说"帮我找 10 本书"。 他一定自己进书架、翻目录、找索引、看到有用的段落读上下文、标注、换一本书继续。 DCI 给 AI 的就是这种"自己翻"的自由。 ## 但 grep 也有一个致命短板 论文没有美化自己的方案。 当语料库从 10 万篇扩到 20 万篇，DCI 的工具调用次数从 38.5 次飙升到 86.9 次，延迟翻倍，成本翻倍，准确率掉了 13.6 个百分点。 扩到 40 万篇时，准确率跌到 37.5%，20 道题直接超时。 DCI 目前只适合中小规模的本地语料库。 大规模网页搜索，向量检索仍是唯一可行的方案。 但换个角度看，这个结论揭示了一个规律：DCI 的强项是"深挖"而不是"广撒网"。 论文的轨迹分析佐证了这一点。 DCI 的文档覆盖率（coverage）比传统检索更低，只找到了 28% 的黄金文档，传统检索找到了 56.7%。 但 DCI 的"定位精度"（localization）是传统检索的两倍多。 也就是说，DCI 的成功路径是：找到一个靠谱的入口，钻进去深挖。 grep 搜一个关键词，找到一行匹配，用 head、tail、sed 看周围内容，发现新实体，再用新实体去搜。 这种"线索驱动"的策略，和人类做研究时的搜索行为几乎一模一样。 这张图很关键。 它说明 DCI 的胜出不是因为传统检索"没搜到"。 在 DCI 赢下的 176 题中，142 题传统检索其实已经找到了至少一篇相关文档。 东西搜到了，但用不上。 这就是"检索界面分辨率"的实锤：传统检索把证据以"整篇文档"的粒度丢给 AI，AI 面对满篇文字找不到那个关键数字。而 DCI 让 AI 自己用 grep 定位到那个数字，再用 bash 去算、去验证。 联想国内 36 氪之前报道过的现象：很多企业花大价钱上了向量数据库，但实际检索效果并不好。 问题可能不在于数据库本身，而在于他们把"匹配"当成了"理解"，把"相似性"当成了"相关性"。 ## 够用就好：只留 grep 和读文件 论文还做了一个更出格的实验。 他们把 DCI Agent 的工具箱砍到只剩两个：read（读文件）和 grep（关键词搜索），连 bash 都没给。 这种极简配置下，准确率 61%，已经比传统检索的 45% 高出 16 个百分点。 加上 bash 后涨到 73%，代价是工具调用量大幅增加。 这个结果传递了一个清晰的信号：DCI 的大部分收益，来自"能直接搜索原始文本"这个核心能力。 grep + 阅读，两个最朴素的工具，已经够突破传统检索的瓶颈了。 复杂的编程工具是锦上添花，不是本质。 这也意味着，即使未来 AI 的能力继续增强，grep 级别的文本搜索工具也不会过时。 它和 AI 的推理能力是互补关系：AI 擅长理解，grep 擅长定位。两者配合效果最好。 ## 开发者该从哪里重新思考 这篇论文不是让你现在就去拆掉向量数据库。 BM25 和 dense retrieval（密集检索） 在大规模、静态语料库上仍然是最好的选择。 但它提出了一个被行业长期忽视的问题：检索不只是"哪个模型效果更好"，它是"AI 和知识之间用什么界面交互"的问题。 界面的粒度，直接决定了 AI 能看到什么、验证什么、对什么做出反应。 说一个国内开发者每天都会遇到的场景。 代码库里搜"登录逻辑"，如果用向量搜索，返回的代码片段会混着注册、密码重置、OAuth 等各种东西。 如果直接 grep "def login"，返回的就是精确的函数定义。 省掉的不是几秒钟，而是一整轮"找到了但不对，再搜一次"的试错。 论文通信作者在致谢中特意提到，这项研究受到了 Claude Code 和 SWE-agent 的启发。 在编程任务里，终端工具早已被证明是 AI 获取信息最高效的方式。 这篇论文本质上是在追问：为什么搜索类任务不能走同样的路？ 答案可能比我们想象的简单：可以，而且效果更好。 DCI 不是一个要取代向量搜索的方案。 它是一块拼图，补上了传统 RAG 架构里缺失的一环：当 AI 已经足够聪明，给它足够细的触角就够了，不需要替它预处理那些它自己本来能发现的东西。 对于小规模、本地化、动态变化的语料库，DCI 不仅更准，还更省钱。 对于大规模场景，未来更大的上下文窗口和更聪明的上下文管理策略，可能继续扩大 DCI 的适用范围。 这篇论文最触动我的地方，是它用最简单的东西打出了最好的效果。 没有炫技的模型架构，没有复杂的索引工程。就把"搜索"这件事的粒度做细。 有时候，技术进步的答案不是"做得更多"，是"拦得更少"。 © 2026 · 向阳乔木