知识库的第一步不是导入，而是确定真相源
同一产品可能同时存在官网介绍、销售手册、技术说明、旧合同附件和员工个人笔记。它们内容相似，但权威级别、适用版本和可公开范围不同。如果系统没有真相源规则，检索会把冲突片段一起交给模型，最终生成一个语句通顺却无法负责的答案。
资料盘点时应记录名称、类型、来源部门、负责人、版本、更新时间、适用范围、权限和失效条件。不是所有文件都要进库。重复文件、无法确认来源的转发件、过期制度和含敏感信息的材料，应先处理再决定是否进入。知识治理做好后，模型和向量数据库才有意义。
RAG 系统至少要处理六件事
第一是解析与切分，表格、扫描件、标题层级和附件关系不能被粗暴打散。第二是检索，要根据业务同时使用关键词、向量、元数据过滤和重排。第三是引用，回答必须告诉使用者依据哪份资料、哪个版本和哪一段。第四是权限，同一个问题在销售、技术、客户和管理者面前可能得到不同范围的答案。
第五是拒答。当资料不足、冲突或超出权限时，系统应明确停下，而不是用常识补全企业事实。第六是反馈和更新。用户指出错误后，要能定位是原文件、切分、检索、提示还是模型问题，并由指定责任人修正。没有这套闭环，知识库会随着时间迅速失真。
- 保留标题、表格和上下文关系
- 组合关键词、向量和元数据检索
- 回答显示来源与版本
- 按角色和资料等级控制权限
- 证据不足时明确拒答或转人工
- 建立反馈、更新和失效检查机制
怎样验收知识库，而不是只看回答顺不顺
验收样本要覆盖常见问题、跨文件问题、版本冲突、无答案问题、越权问题和故意误导问题。每个样本标注应引用的资料、允许的回答范围和必须拒答的情况。测试结果要区分检索没找到、找到错误资料、模型理解错误、引用缺失和权限失效，不能只给一个总准确率。
真正投入使用后，还要观察搜索无结果词、重复提问、人工改写、转人工和资料更新时效。企业知识库的价值不是文件数量，而是员工找到可信答案的时间是否下降、回答口径是否一致、经验是否能被新人复用，以及错误是否能被快速发现和修正。
执行检查表
- 01确定每类资料的权威来源
- 02记录版本、权限和更新责任人
- 03清理重复、过期和敏感文件
- 04设计引用与证据不足拒答
- 05准备冲突、无答案和越权样本
- 06上线后持续复盘无结果词与人工修正
常见问题
企业知识库文件越多越好吗？
不是。无来源、过期和重复文件会降低质量。先建立真相源和版本规则，再逐步扩充。
RAG 可以完全避免大模型幻觉吗？
不能。RAG 能提供证据，但仍需引用、拒答、权限和人工确认来控制企业场景中的错误。
知识库多久需要更新一次？
没有统一周期。应按制度、产品和业务变化频率设置责任人、更新时限和失效检查。