攒知识库的人，很容易掉进同一个执念：大。
法规要全，案例要多，文章要广，几十个 G 的资料躺在硬盘里才有安全感。我自己的法律知识库也经历过这个阶段。但用下来越久越确信一个反直觉的结论：对 AI 检索来说，更小的库，反而更有价值。库的质量和它的规模，经常是负相关的。
先看一个具体问题
“夫妻共同财产到底是怎么规定的？”
这个问题你会怎么查？让 AI 在你整个知识库里检索——所有法规、全部书籍、案例、文章，几十万份文件一起搜；还是把它放进三个库里查：《民法典理解与适用》、《民事审判指导与参考》，再加一个民事类案例库？
直觉上说前者更全，毕竟是“全部资料”。实际效果恰恰相反。那三本书加案例库，边界清晰，搜出来的每一条都在射程之内，权重排序更容易把你要的东西顶到前面。而在全库里搜，形式书籍、随笔文章里出现的“夫妻共同财产”字样全都会涌进来——那些命中对你没有任何用处，却会把真正要紧的内容挤出前排。
全库包含小库，但小库的效果一定更好。这句话值得每个攒库的人记住。
机制：AI 检索不是通读
为什么会出现“更全反而更差”？得从 AI 查资料的真实方式说起。
很多人以为，给 AI 一个知识库，它会把库里相关的内容全部读一遍再回答。不会的。真实过程是：AI 把你的问题提炼成关键词，去库里做检索，召回一批候选片段，按相关性排序，然后只取排在最前面的若干条——上下文装不下那么多，它取够了就认为“信息充分”，开始作答。
这个机制下，库越大，坑越深。关键词宽一点，命中的候选就成千上万，截断丢弃的是绝大多数；而模型“认为够了”的那几十条，可能跟你要的裁判方向毫无关系。检索失败的根源，常常不是库里没有，而是库里太多。
还有一个没处说理的地方：每一轮检索返回多少条，模型才觉得“够了”，不同产品设定不同，也不会向你报告。你只能在用的过程中去感受——同一类问题多问几次，看它引用的资料覆盖不覆盖你的预期。
怎么把库“变小”
说清楚机制，方法就顺出来了。核心动作叫收敛，我有三个惯用做法。
第一，重要问题手动圈范围。别把整个库丢给它。像前面的例子，明确指令：只在理解与适用、审判指导这两套书加民事案例库里检索。范围一圈，信噪比立刻上去。越是重要的问题，越要舍得放弃“全库搜索”的心理安慰。
第二，关键词分轮次给足。一个问题拆成几轮检索，每轮给出明确的关键词组合，别指望它一次提炼到位。宽泛词先收敛成规范术语，再补充同义词和上下位概念。你多写一行检索要求，它少丢一堆相关资料。
第三，多开几个 agent 并行查。每个 agent 拿到同一个问题，提炼的初始关键词都不一样，等于自动帮你做了多路检索。分头查完汇总，查全率明显好过单路。这是用算力换召回率，划算。
组织库的时候，就按“小”来设计
上面三招是检索时的动作。更根本的，是建库时就把结构设计成方便收敛的形态。
按问题域分库，而不是堆成一座大山。理解与适用、建工案例、税务问答，各自成库，用时下钻。宁要十个各司其职的小库，不要一个什么都装的大库。
失效内容是“大而乱”的最大来源，要重点治理。一个庞大但效力标签管理得乱七八糟的库，跟一个规模不大但标签准确的库放在一起，后者价值更高——法规库的价值密度和体量经常成反比。定期清失效、标注效力，比不断往里堆新材料更重要。
另外留一层索引：给每个小库配一页说明，写清这个库收什么、不收什么、权威程度如何。索引本身是给 AI 看的路标，也是给你自己看的家底清单。
边界：不是让你删库
最后澄清一句，“更小的库更有价值”说的不是把大库删掉，而是组织方式：大库做底层储备，检索时按问题下钻到小库。资料该攒还是攒，只是别指望“大”本身带来好答案。
检索质量由边界决定，不由存量决定。下一次检索结果不理想，先别怀疑库里缺资料——很可能恰恰相反，是它太多了。
作者简介： 陈石律师（主页 chenshi.ai），浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办“首宗百亿地王”“长春第一高楼”“台州第一高楼”等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。