企业知识库 RAG 落地细节：让 AI 回答"有据可查"的工程方法

企业知识库是大模型落地成功率最高的场景之一，但很多项目上线后用户反馈"答非所问""张冠李戴"。经验上，80% 的效果问题出在工程细节而不是模型本身。拆解四个关键环节。

环节一：文档解析（最被低估的一步）

政企知识库的现实输入是 Word、PDF、扫描件、带复杂表格的公文。解析质量直接决定上限：扫描件要走 OCR，表格要用版面分析保住结构，页眉页脚与水印要清洗。解析做不好，后面全部白搭。

环节二：切分策略（决定检索精度）

固定长度切分是下策。建议按文档结构切（条款、章节），保持语义完整；辅以适度的块重叠与元数据标注（文档名、章节、生效日期）。制度类文档尤其要保留条款编号，方便溯源到"第几条第几款"。

环节三：检索与重排

纯向量检索对术语精确匹配弱，建议混合检索（向量 + 关键词）加重排序模型。企业场景的另一杀手锏是权限过滤：检索层就按用户权限过滤文档，防止"越权问答"。

环节四：引用溯源（决定用户信任）

每条回答标注出处（文档名 + 章节链接），支持一键跳转原文。有溯源的答案用户敢用，没溯源的答案用户不敢用——这是知识库使用率差距的最大变量。

按这套方法实施的知识库，冷启动准确率通常可以做到可用水平，再通过运营期的问题日志持续优化。欢迎联系我们获取评估方案。