企业知识库怎么做，才不会变成资料坟场

大部分企业知识库最后都变成了同一个东西：一个没人打开的文件夹。

接上 AI 之后，这个问题不但没解决，还多了一层——现在它变成了一个会一本正经胡说的文件夹。

这篇讲清楚三件事：为什么会这样、怎么判断你的知识库是不是在往这个方向走、以及正确的做法是什么。

---

资料坟场是怎么形成的

不是因为资料太少，恰恰是因为太多、太杂、没人负责。

典型的路径是这样：

1. 项目启动，各部门被要求"把资料交上来"

2. 交上来的是几百个文件：Word、PDF、扫描件、Excel、还有几个 PPT

3. 里面混着 2021 年的旧流程、废弃的价目表、三个版本的同一份制度

4. 全部导入系统，宣布"知识库建成"

5. 员工问了几次，答案要么过时要么互相矛盾

6. 三周后没人再用了

关键的失败点在第 4 步：把"导入完成"当成了"知识库建成"。

导入是搬运，不是建设。中间隔着四道工序：内容治理、切分、检索策略、质量验证。这四道每一道都能让最终效果崩掉。

我们自己踩过同一个坑

这不是在说别人。2026 年 8 月，我们把自己官网的内容盘了一遍，结果是：

全站 142 个页面
其中 51 页（36%）只有摘要和提纲，没有实质内容
41 页正文不足 1200 字
洞察类页面正文的中位数是 893 字，而这 893 字里还有大半是"这篇讨论什么""阅读提纲""相关检索词"这类框架

从"有多少篇"看，内容很丰富；从"每篇真讲了什么"看，接近于空。

这正是资料坟场的标准形态——数量掩盖了密度。企业知识库出问题时，第一反应往往是"资料还不够多，再导一批"，而真正该问的是"已经导进去的这些，有多少是真能回答问题的"。

我们的处理办法是逐篇重写，而不是再导一批。这篇文章本身就是那次重写的产物之一。

---

第一道：内容治理（最枯燥，也最决定成败）

要做的事：

去重：同一份制度的三个版本，只留一份有效的，其余归档
去过期：明确标注失效日期，或者直接移出检索范围
补上下文：很多文档只有正文没有背景，比如一份价目表没写适用时间和适用客户类型，AI 检索到之后会当成通用规则
拆开混合文档：一份 80 页的手册里可能包含十个不相关的主题，整份塞进去检索效果会很差

判断做没做到位的一个方法：随机抽 20 份资料，问业务方"这份现在还有效吗、适用于什么情况"。如果超过三分之一答不上来，说明治理没做够。

这一步没有捷径。没有任何技术能自动判断哪份价目表是现行的——那需要业务知识。

---

第二道：切分（技术上最容易被忽略）

文档要切成小块才能被检索。切法直接决定检索质量：

切太大：一个块里混了多个主题，检索时相关度被稀释
切太小：语义不完整，检索到一个片段但缺少必要上下文
按固定字数硬切：会把一句话、一张表、一个条款从中间切断

比较稳的做法是按文档结构切（按章节、按条款、按问答对），并让相邻块有一定重叠，避免边界信息丢失。表格和列表通常需要单独处理——它们被硬切之后基本就废了。

一组可以直接拿去用的起步参数（不是最优解，是"先跑起来不至于太差"的默认值）：

参数	起步值	什么时候该调
块大小	300–800 字	文档段落普遍很长时往上调
相邻块重叠	块大小的 10–15%	答案经常缺前半句时往上调
每次检索返回块数	3–8 块	上下文精确率低时往下调
表格 / 代码	整块不切	——

为什么给区间不给定值：最优参数取决于你的文档形态，只能实测。但从这组值起步，比拍脑袋定一个数少走很多弯路——关键是每调一次都要用同一批问题重新量四个指标，否则就是在盲调。

---

第三道：检索策略

只用向量检索是不够的。向量擅长"意思相近"，但对精确匹配很弱：员工问"3.2 条怎么规定的"，纯向量检索经常找不到那一条。

实践中比较稳的组合是关键词检索 + 向量检索并行，然后重排序。前者管精确匹配（编号、专有名词、型号），后者管语义相似，重排序决定最终给模型看哪几段。

另一个必须处理的：权限。检索必须在权限范围内进行，不能先检索出来再过滤——那样会从回答的措辞里泄露出不该看到的信息存在。

---

第四道：质量验证

这一步最常被跳过，因为"看起来能答"就以为好了。

必须分开量四个指标（下面的定义直接沿用开源评测框架 RAGAS 的口径，docs.ragas.io，不用自己发明）：

指标	量什么	低了说明什么
上下文召回率	该被找到的资料，找到了几成	切分或检索策略有问题
上下文精确率	找出来的资料里，真正相关的占几成	检索噪声大，会干扰模型
答案忠实度	回答里每句话能不能在检索到的资料里找到依据	模型在编
答案相关性	回答有没有真的在回答问题	答非所问

为什么必须分开：答错了到底是"没找到资料"还是"找到了但模型答歪了"，这两种病的处方完全不同。混在一起看，永远定位不了。

关于幻觉，有一个公开的持续评测可以参考（Vectara 的 HHEM 榜，github.com/vectara/hallucination-leaderboard）——它测的是有文档做依据时主流模型的幻觉率，也就是最有利的条件。企业场景通常更难，所以工程上必须有兜底：给出处、答不上时明确拒答、关键结论要求人工确认。

---

六个信号，说明你的知识库正在变成坟场

不用等三个月，这些信号随时可以自查：

1. 说不清谁负责更新。问一圈没人认领，或者答案是"IT 部门"——IT 不懂业务，判断不了哪份文档过期了。

2. 导入之后再没变过。业务在变，资料不变，两周就开始失真。

3. 没有人在看使用数据。每天多少人问、问了什么、答得满不满意——这些不看，就不知道它在退化。

4. 答案里没有出处。用户没法判断该不该信，只能自己再查一遍，那系统就没省事。

5. 没有拒答。任何问题都给个答案的系统，一定在编。

6. 回归测试集不存在。改一次就可能把原来对的改错，没有对照就发现不了。

中三条以上，基本可以确定它已经在往坟场走了。

---

正确的做法：从一个小场景开始

不要一次性把所有资料都导进去。

正确的顺序是：

1. 选一个高频、边界清楚的问题域——比如"报销制度问答"，而不是"公司所有知识"

2. 只治理这个域的资料——几十份，能真正做干净

3. 让真实用户用两周，量上面那四个指标

4. 达标之后再扩下一个域

为什么这么做：一次性全导进去，一旦效果不好，你连"是哪一部分资料的问题"都定位不了。分域推进，每一域都可验证、可回滚。

---

一条容易被忽略的运营机制

知识库不是项目，是运营。上线那天不是终点。

至少要定下来这四件事：

谁负责更新：必须是懂业务的人，而且要有明确的时间承诺
多久更新一次：跟着业务节奏，不是固定周期
更新后谁验证：改完要重跑回归测试集，确认没把原来对的改错
用户反馈答错了流向谁：有人接、有时限、修完要通知反馈的人

最后一条决定了用户会不会继续反馈。如果反馈了没下文，第二次就没人反馈了，你也就失去了唯一的质量信号。

---

企业知识库怎么做，才不会变成资料坟场