没装向量数据库,我把 CATIA 开发文档做成了 AI 技能包

AI 不是不会写 CATIA 代码，是它从来没真正读到过那份手册。

上个月，我让 AI 写一段 CATIA 自动出工程图 的代码。它秒回，长得特别专业。我复制进 VBA 编辑器，F5——编译错误。

类名是编的，参数顺序是猜的，中间还夹着一行 (cid:1)。

问题不在模型。问题在我：我把一份几百页的英文 PDF 直接丢了过去。

后来我换了个做法——不搭向量数据库，不装 PyTorch，不调用任何 Embedding 接口，把整套 CATIA 开发文档压成了一个本地原生的 AI 技能包。现在 AI 写出来的代码，能直接跑。

这篇把过程拆开讲。

1. 上下文刷爆，关键信息「迷失在中间」

几十万行的 API 手册塞进 Prompt，先不谈账单，模型会直接报超长。就算它支持超长上下文，还有个更隐蔽的问题——Lost in the Middle：信息放在长文本中段时，模型的召回率会断崖式下跌。

而你最想找的那个 API 说明，恰好就在它最容易忘的位置。

2. 脏数据喂出幻觉代码

PDF 转出来的文本，页眉、页脚、版权声明、乱码符号全糊在一起。AI 读了这些脏数据，会一本正经地生成不存在的类名——因为它「见过的」文本里，那些符号本来就是坏的。

3. 跨模块串味，代码根本跑不起来

这是 CATIA 二次开发特有的坑。零件、装配、工程图三个环境下，同名方法的含义完全不同。不做隔离，你想拉伸实体，它给你工程图表格的列宽拉伸方法——语法全对，环境全错。

— 左：整本硬塞，三重警告；右：降噪切片后精准命中

传统 RAG 的路径是：切片 → 向量化 → 存向量库 → 相似度检索。这条路在工业设计的办公电脑上很难走通——langchain、chromadb、torch 这几个库，在 Windows 上经常因为缺 C++ 编译器、CUDA 版本冲突、依赖版本死锁而装不上。

我换了个更轻的路子：把文档变成一个会自己检索的技能。

— 技能包架构：五份领域切片 + 检索脚本 + 技能入口

— 五步流水线：原始文档 → 统一转档 → 降噪切片 → 本地检索 → 打包安装

它不是万能的，先把话说在前面：

性价比极高。

很多人觉得 RAG 一定要上向量数据库、一定要有 Embedding。可在垂直领域里，用业务知识做物理隔离，往往比用向量做语义相似度更管用。

我是 楼兰的AI实战笔记，探索AI前沿技术，分享实战经验，让智能落地每一步。

如果今天这篇对你有启发，点个赞、转发给做二次开发的同事，我们下篇见。

还没关注？点击文末「楼兰的AI实战笔记」头像旁的「关注」按钮，即可第一时间收到更新。

THANKS FOR READING