知识库是什么?和RAG是什么关系、怎么搭企业问答

入门与上手

讲清知识库与 RAG 的关系,给出企业问答从语料到上线的搭建顺序,并指向选型与工具页面。

公司资料散在网盘、群聊和文档里,大家想问一句就得到答案,于是想到「搭个知识库」。真动手才发现:先把一堆文件丢进去并不等于能问答,知识库和 RAG 也不是一回事。这篇把两者的分工讲明白,再给一条从理语料到上线的落地顺序,以及每一步该去站内哪个页面核对工具与数据。

公司资料散在网盘、群聊和几个人的电脑里,谁想问一句就得先找人、再翻文件夹。于是很多人第一反应是「搭个知识库」。真动手才发现,把一堆文件丢进去,它并不会回答问题;能问答的那套东西,和你以为的知识库其实是两件事。这篇把两者的分工讲清楚,再给一条从理语料到上线的落地顺序。

先记住一句话:知识库负责「存得住、找得到」,企业问答负责「问得动、答得准」。中间那层把两者接起来的检索加生成,就是 RAG。下面拆开讲,每一步该做什么、该去站内哪个页面核对工具,都写清楚。

知识库到底是什么,和企业问答差在哪

知识库是「存」的那一侧:把资料按主题、权限、更新节奏管起来的一个集合。它的形态可以很土,比如一个整理好的文档站、一个 Wiki、一张数据库表;也可以很新,比如一个向量库。判断它是不是合格的知识库,看的不是用了什么技术,而是新人能不能在三分钟内找到某份制度的最新版。

企业问答是「用」的那一侧:让人用大白话问一句,系统直接给答案。它自己并不保管资料,而是每次提问时去知识库里捞出相关片段,再交给模型组织成话。这层「先检索、再生成」的机制就是 RAG。所以关系不是二选一,而是没有知识库,RAG 就没料可捞;没有 RAG,知识库只能靠人翻和关键词搜。

对比项知识库企业问答(含 RAG)
主要职责存资料、管权限、管版本接问题、找片段、出答案
坏了的表现搜不到、找到旧版本答错、答一半、该拒答却硬答
维护重点谁往里加、多久同步一次召回准不准、出处对不对
先做哪个永远先做这个知识库没理顺之前别急着上
切分
把长文档拆成一段段可检索的小块,拆得好坏直接决定召回质量
召回
从库里挑出和问题最相关的若干片段,通常关键词和向量各挑一批再合并
重排
对召回的片段重新排序,把最该看的放前面,资料多或问题口语化时效果明显
元数据
附在每个片段上的来源、版本、权限标签,用来过滤和追责
  • 答案只在内网文档、制度、FAQ 里,外部搜不到:适合上 RAG
  • 资料更新频繁,靠人肉同步已经出错:适合上 RAG
  • 问题本身是通用常识,模型自己就会:不必搭,白折腾
  • 只有几页固定内容、半年不改:做个文档站加搜索就够,别上向量库
  • 术语被绕晕时,先去 /ai-dict/category/basics 把「向量库」「召回」这些词对一遍再往下走

一条能跑通的最小链路:从进料到出答案

别一上来就想做全公司的平台。先用一个部门、一类问题跑通以下四步,链路能走通再谈扩展。每一步都有明确的验收动作,走不通就停在原地修,不要跳。

  1. 进料:把资料变成干净文本PDF、网页、聊天记录先统一转成纯文本,重点清掉页眉页脚、重复表格和扫描件的错字。验收方式:随机抽十份文件,人眼读一遍,看有没有整段乱码或缺内容。
  2. 切分与入库:按语义段落切不要按固定字数硬切,那会把一句话拦腰截断。按自然段或小标题切,每段额外带上来源、版本、权限三个标签。验收方式:随便挑一段,看它单独拿出来还能不能读懂。
  3. 检索:两路召回再合并关键词搜一批、向量搜一批,合并去重后留下最相关的若干条。资料量大或者用户问得很口语时,再加一层重排。验收方式:拿十个真实问题,看正确片段有没有被召回到。
  4. 生成:只依据片段回答把召回内容塞进提示词,明确要求只依据这些片段作答、并写出处;片段里没有的就回答「资料里没写」。验收方式:故意问一个库里没有的问题,看它会不会硬编。

四步里最容易被跳过的是第一步。多数「答不准」的锅最后都追到语料上:扫描件OCR成一堆错字、同一份制度存了三个版本、切分时把条件和结论切到了两段里。与其反复调模型参数,不如先回去把语料洗一遍。

落地顺序:先定边界,再挑工具,别反过来

最常见的翻车方式是先买了一堆工具,再回头想「这库给谁用」。顺序反过来,问题会少一大半:先把边界写清楚,再定更新规矩,工具选型放最后。

  • 先写清三件事:谁用(内部员工还是外部客户)、主要问哪类问题、答错了谁负责。这三条直接决定要不要做权限隔离和人工兜底
  • 再定更新规矩:谁负责往里加、多久同步一次、旧版本怎么淘汰。没有更新机制的库,过几个月就会开始给出过期答案
  • 工具选型放最后:去 /stacks/vector-dbs 看向量库选型,去 /embeddings 挑嵌入模型,成品问答产品可以在 /ai-nav/category/ai-note 和企业服务类目录里找
  • 小团队先用现成工具跑通一个部门,验证有效再扩;一上来就做全公司平台,通常死在没人维护
  • 选型时把「以后换不换得掉」当一条硬指标:数据能不能导出、接口是不是通用,比当下功能多不多更重要
阶段产出物谁来拍板
定边界一页纸写清用户、问题范围、责任归属业务负责人
定规矩更新频率、负责人、旧版处理方式业务负责人加IT
选工具向量库、嵌入模型、问答前端的候选清单技术负责人
小范围试跑一个部门的问答入口加二十条测试问题业务加技术共同验收

上线前先自测:答不准多半不是模型的问题

上线前先备好二十条真实问题,覆盖三类:能答的、该拒答的、需要权限才能看的。逐条看它召回的是不是正确片段,而不是只看最终那句话顺不顺。答案顺但引用的片段不对,是最危险的一种假通过。

  • 答不准优先查语料:切分切断了语义、同一份资料存在多个版本、权限没过滤导致串库,这三类占大多数
  • 准备二十条真实问题,覆盖能答、该拒答、需权限三类,逐条核对召回的片段是不是对的
  • 更新资料后重跑那二十条,看有没有出现回退;只看单次效果不看回退,等于没测
  • 把「不知道」的比例当成健康指标来盯:一个什么都敢答的系统,比一个会说不知道的更危险
  • 检测和长期观察可以去 /tools/quality-check 与 /tools/quality-monitor,具体指标和当时的数值以页面为准
知识库解决的是「资料在不在、对不对」,RAG 解决的是「问一句能不能拿到」。前者没做好,后者越努力越像在编。
下一步先按上面的顺序把边界和语料这两步做掉,再去选工具。向量库和嵌入模型的对比可以先到 /stacks/vector-dbs 和 /embeddings 看当前收录与说明,数值以页面为准。

常见问题

知识库和 RAG 是一回事吗?

不是。知识库解决资料存哪、谁能看、怎么更新的问题;RAG 解决怎么从库里找出相关片段再让模型作答的问题。你可以有知识库不做 RAG(靠人搜),也可以有 RAG 接在别人的库上,但企业问答通常两者都要。

小团队没有工程师,能搭起来吗?

能,但建议先用成品工具而不是自己拼。挑工具时重点看三件事:能不能自动同步你现有的网盘或文档、能不能按人设权限、导出和迁移方不方便。先用一个部门、一类问题跑一个月,再决定要不要扩。

搭好之后答得不准,该换模型还是换工具?

先别换。八成问题出在语料:文档切分断了上下文、旧版本没清掉、权限没过滤。把这几个查完还是不行,再考虑换嵌入模型或加重排。具体怎么自查可以去 /tools/quality-check 走一遍检测。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。