---
id: "mb-20260829-6e8fad"
kind: "deep"
title: "周二刚把企业级 AI 搜索上线，周三就被下令全部推倒重写"
topic: "周二刚把企业级 AI 搜索上线，周三就被下令全部推倒重写"
source_type: "generated"
status: "published"
generated_at: "2026-08-29 20:38:48"
frame_type: ["基础设施半衰期倒置（基底解耦与评测集驱动重构）", "机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 周二刚把企业级 AI 搜索上线，周三就被下令全部推倒重写

> 本框架为第三方 AI 对公开观点的解读，非郭文贵本人发声。

周二刚把企业级 AI 搜索上线，周三就被下令全部推倒重写。
工程师当场懵了：功能全按要求实现了，深度搜索跑得好好的，为什么要重写？
代码没有写砸。
是这套系统依赖的底层技术，寿命只剩几个月了。
过去三十年的企业软件，有一条雷打不动的生存法则：
选定一个成熟的技术栈，扎进去，能不换就绝不换。
因为迁移是一场灾难。
每一次重构都会踩坑，每一次换底层都会坏掉几个关键模块。
在传统的数据库、身份鉴权和多云存储里，基础设施的半衰期是 3 到 5 年。
你可以用 MySQL 跑上十年，只做微调和性能优化。
但在大模型和智能体时代，这套法则彻底倒了过来。
在管理着超过 1 个 EB 数据、几千万用户、数万亿个 Token 的企业云存储公司 Box，首席技术官 Ben Kus 站在 AI Engineer 大会的讲台上，公开收回了自己一年前的演讲。
一年前，他向全场推荐用图结构搭智能体，台下有听众特地跑来道谢，说这彻底解决了他们团队的痛点。
一年后，他亲口承认：那个方案已经彻底过时了。
当年给出的建议没有错。
只是智能体基础设施的半衰期，已经被压缩到了以月计算。
看看这一年里，底层基底是怎么以月为单位坍塌的：
最开始，行业教大家去训练自己的私有模型；
很快大家发现不如直接调用前沿模型；
接着觉得调用成本太高，集体转向开源权重模型；
没过多久，又变成了根据任务难度在大小模型之间自适应路由。
智能体的架构也是一样。
从单次提示词调用，到思维链推理；
再到精心编排的图结构工作流；
很快模型能力一跃升，写死图结构变成了累赘，大家换成让智能体自主规划；
接着引入专用子智能体、标准化技能、代码沙盒；
最后甚至直接抛弃自研调度，接入通用的运行框架。
检索技术也是一样。
从传统的关键词匹配，到向量检索与嵌入；
发现高维向量遇到企业级规模就退化成接近随机噪声，于是拼命加图索引；
图索引太重，再做词法与语义的混合重排；
直到现在，大家直接用智能体去主动检索。
每一条技术链条，只要走过 12 个月，终点都变得面目全非。
以前是「不动底层最划算」。
现在是「留在旧基底上的代价，远远超过了迁移的痛苦」。
因为底层的模型能力只要跨越一代，上面苦心手写的成千上万行调度逻辑，瞬间就变成了没用的技术负债。
但真正承受这种冲击的，不是服务器。
是人。
没有一个工程师喜欢把自己刚写好的心血扔进垃圾桶。
当团队一次次被要求推倒重来，士气会崩溃，工程师会怀疑管理层在瞎指挥，甚至试图证明「只要给我时间，旧架构也能优化好」。
面对一个月级半衰期的世界，该怎么搭系统？
Box 给出的答案，不指望某项终极技术。
靠的是一套制度化准备：
第一，心理重塑。
明确告诉整个工程团队：推倒重来不是技术失误，是这个时代的默认基线。
没人能预测六个月后的技术走向，适应变化本身就是核心交付。
第二，抽象解耦。
在上层业务和底层技术之间死死焊上一层抽象层。
上层的智能体对客户行为保持稳定，底层的模型、检索器和推理引擎随时可以像零件一样整块拔插替换。
第三，评测集做刹车片。
绝不因为哪篇最新论文很火、或者哪项新技术很酷就去重构。
唯一的裁判是评测集。
把真实客户场景固定成标准的输入和预期输出，用成本、速度、质量和能力四维打分。
新架构在评测集上跑赢了，换；跑不赢，任凭外界吹得天花乱坠也原地不动。
第四，把审查周期从 3 年缩短到 6 个月。
任何一项 AI 技术组件，不管上线时多惊艳，都在 6 个月时钟响时强制重新过审。
在技术基底剧烈震荡的周期里，真正的护城河从来不是今天押中了哪套架构。
在于你的组织有没有能力，把推倒重来变成日常呼吸。
跑得最远的公司，未必是第一天技术最完美的。
一定是那个在底层变轨时，能最快换掉引擎、而且团队还不散架的人。

_Rendered by mubei-terminal._