知识库问答怎么做好：切片、检索与引用

不少公司兴冲冲地把几百份文档传进知识库，结果第一天就被员工吐槽：问「年假有几天」，它答了一条三年前的旧规定；问「A 产品保修多久」，它答出了 B 产品的条款；问「报销要什么单据」，它干脆说「未找到」，可那份制度明明就在里面。

上一节我们讲了 RAG 的原理：先检索，再回答。原理不复杂，做好却处处有讲究。知识库答得好不好，很大程度上取决于资料准备和检索，而不只是换一个更强的模型。这一节我们沿着整条流水线，一关一关地看。

一条流水线，四道关

第一关  文档整理：挑对资料、去掉旧版、补上标签
   ↓
第二关  切片入库：把文档切成能单独看懂的小块，转成向量存好
   ↓
第三关  检索：根据问题找出最相关的几块
   ↓
第四关  生成与引用：让模型只依据这些内容作答，并标明出处

任何一关掉链子，最终答案都会出问题。下面逐个拆开说。

第一关：文档准备——垃圾进，垃圾出

这是最容易被忽视、却最影响效果的一关。常见的错误示范是：把整个共享盘打包上传，里面混着草稿、旧版本、会议纪要和个人笔记。AI 可分不清哪一份才算数。

做好这一关，可以对照这份清单：

• 只放权威版本：同一份制度只保留现行版；确实要保留历史版本的，在文件名和正文里写清版本号和生效日期。
• 一份文档讲一件事：把「大杂烩」式的文档拆开，标题直接写主题，比如「XX 产品退换货政策」。
• 检查格式：扫描件和图片型 PDF 要先做文字识别并抽查；表格转换后常常错行，需要人工核对。
• 补上隐性知识：很多答案只存在于老员工的脑子里。把高频问题整理成「一问一答」，是性价比很高的投入。
• 打标签：给每份文档标注所属部门、适用产品、生效日期、可见范围。这些标签（也叫元数据）后面可以用来筛选和控制权限。
• 明确负责人：谁来更新、多久检查一次。没人维护的知识库，用不了多久就会变成「过期资料库」。

第二关：切片——把手册拆成「能单独看懂的卡片」

检索时交给模型的不是整份文档，而是挑出来的几个小片段。所以切片的质量，直接决定了模型能看到什么。

切得太大，一片里混着好几个话题，检索不准，还挤占模型的阅读空间；切得太小，又容易断章取义。看一个很常见的问题：

不好的切片（条件被切断了）：
片段 12：……正式员工每年可享受 5 天带薪年假。但试用期
片段 13：员工除外。年假须提前三个工作日申请……

更好的切片（带上标题，意思完整）：
【员工休假制度 > 第二章 年假】
正式员工每年可享受 5 天带薪年假，但试用期员工除外。
年假须提前三个工作日申请……

如果员工问「试用期能休年假吗」，检索只捞到片段 12，模型就会自信地回答「可以休 5 天」。几条实用原则：

• 按自然结构切：优先按章节、段落、条款来切，而不是机械地每隔固定字数切一刀。
• 给每片带上「出身」：在片段开头加上文档名和章节标题。否则「保修期为两年」这句话单独拿出来，谁也不知道说的是哪个产品。
• 适当重叠：相邻片段之间保留一小段重复内容，降低关键句被切断的概率。
• 表格保留表头：表格被切开后，下半截如果没有表头，数字就失去了意义。
• 问答对天然好切：一问一答本身就是一张完整的卡片。

第三关：检索——找得到，还要找得准

上一节提到，RAG 常用向量检索来「按意思找」。但只靠它也有短板：

所以效果好的知识库，通常会两种一起用，也就是混合检索，再配上几个技巧：

• 重排序：先粗略捞出几十个候选片段，再用更精细的模型逐一打分，只留下最相关的几个。好比招聘先海选、再复试。
• 取多少片要合适：取太少会漏掉信息，取太多会把无关内容也塞给模型，反而干扰判断。
• 按标签筛选：问的是 A 产品，就只在 A 产品的资料里找；问的是现行政策，就排除已失效的版本。
• 补全问题：多轮对话里用户问「那它保修多久？」，系统要先把问题补全成「A 产品保修多久？」再去检索。
• 权限前置：员工无权查看的资料，应该在检索阶段就过滤掉。资料一旦被送到模型面前，光靠提示词叮嘱「请保密」并不可靠。

第四关：生成与引用——让答案有据可查

资料找对了，最后一步是让模型老老实实地用。一份实用的提示词可以这样写：

你是公司内部知识助手。请遵守：
1. 只根据【参考资料】回答，不要使用资料以外的信息；
2. 找不到答案时，回答「知识库中暂无相关内容，建议咨询相关部门」；
3. 不同资料说法冲突时，列出冲突点，并优先采用生效日期最新的一份；
4. 每个关键结论后标注来源，格式为 [文档名 - 章节]。

【参考资料】
（这里放检索到的片段）

【用户问题】
（这里放用户的提问）

引用不只是为了显得专业。它让员工可以回到原文核对，也让管理员一眼看出「这次答错，是因为引用了哪份过时文档」。涉及法律、财务、医疗等专业问题时，还应提醒以原文和专业人士的意见为准。

上线前后：用测试题说话

别凭感觉判断知识库好不好用。上线前，请业务同事收集几十到上百个真实问题，为每个问题写好标准答案，并注明「应该从哪份文档里找到」。然后逐个测试，分开看两件事：找没找到（检索有没有捞出正确的片段）和答没答对（回答是否准确、有没有编造）。

遇到问题时，可以按这张表对症排查：

上线之后，定期把「答不上来」和「被点差评」的问题汇总起来，补文档、修切片，知识库才会越用越准。

本节要点

• 知识库答得好不好，很大程度上取决于资料准备和检索，而不只是模型。
• 文档要权威、一份讲一件事、带上标签，并有专人维护。
• 切片要让每一片都能单独看懂：按结构切、带标题、保留表头。
• 向量检索和关键词检索各有所长，混合检索加重排序更准；权限要在检索阶段控制。
• 用真实问题建测试集，分别检查「找没找到」和「答没答对」。