企业级 AI 应用开发中容易忽视的数据治理问题

2026 年 11 月 10 日，DEV Community 上刊出一篇题为《企业级 AI 应用开发中容易忽视的数据治理问题》的文章。文章作者结合自己开发 AI 应用和 RAG 架构的经验指出，业内在讨论 LLM、embedding、向量数据库、agent 与 prompt 时投入了大量时间，却在数据层面投入的时间往往不成比例，这本身就可能成为一个问题。

文章列举了一个简单例子：假设为企业搭建一个 AI 助手，把它接到公司文档上，再询问「我们的供应商入职流程是什么」，而知识库里存着旧的供应商入职流程文档、过期的人事政策文件，以及一份与采购团队实际现行流程不一致的流程图，这类未经整理的底层文档正是导致模型产生幻觉的核心隐患。文章由此提出，企业 RAG 和大模型应用开发中，底层杂乱、重复且未经整理的企业文档才是问题的关键所在。

就目前材料所见，这是关于该议题唯一的一篇报道，讨论到这一步即告结束，尚无后续进展。