RAG 知识库搭建 · 2026-10-30 19:58:17

唐山企业搭建RAG知识库：先把资料治理做扎实

唐山制造、商贸企业做RAG知识库，关键不是买多强的模型，而是先梳理制度、产品、售后资料，再按权限、检索和评测逐步落地。

很多唐山企业一提到知识库，就想先接一个大模型，让员工直接提问。实际试用后却发现：答案看似通顺，却经常引用过期制度，产品参数也张冠李戴。RAG知识库的价值，是让模型基于企业自己的资料回答，但前提是资料本身可信、可查、可更新。

先判断哪些资料值得入库

并不是所有文件都应该塞进知识库。唐山不少制造企业有设备手册、质检标准、工艺流程、报价单和合同模板；商贸公司则有产品目录、售后政策、客户问答和物流说明。建议先按使用频率分类：高频问答优先，核心制度其次，历史归档资料暂缓。

同时要划定边界。涉及客户隐私、薪酬、未公开报价的内容，不能只靠关键词过滤，应在系统层面设置部门和角色权限。否则知识库越全，泄露风险反而越高。

RAG效果差，很多时候不是模型不行，而是文档切分混乱。一份几十页的PDF如果整篇作为一个片段，检索时容易命中无关章节；切得太碎，又会丢失上下文。比较稳妥的做法，是按标题、条款、工序、问题场景拆分，并保留来源、版本号、生效日期和所属部门。

表格也要单独处理。设备参数、备件型号、价格体系如果直接按普通文本抽取，字段很容易错位。可以先结构化成表格或数据库，再让RAG在回答时调用。对于扫描件，则要先做OCR和人工抽检，避免错误文字被反复引用。

知识库上线前，不要只演示几个简单问题。应从销售、售后、生产、行政等岗位收集真实提问，例如“某型号轴承的保养周期是多久”“客户退货需要哪些凭证”“新版差旅制度从哪天执行”。然后检查三件事：是否检索到正确资料，答案是否与原文一致，引用来源是否可追溯。

对关键业务问题，可以设置“无依据就不回答”。模型如果找不到可靠内容，应提示员工联系负责人，而不是自行编造。每次发现错误答案，都要回溯是文档过期、切分不当、权限缺失，还是检索策略问题。

RAG知识库不是一次性项目。新产品发布、制度修订、设备更换后，旧资料要及时下架或标注失效。每个部门最好有内容负责人，定期查看高频问题、无答案问题和低满意度回答，再补充标准问法和缺失文档。

系统建设可以从小场景开始，比如先做售后问答或制度查询，跑通资料整理、权限控制、效果评测和更新流程，再逐步扩展到生产、销售和管理环节。这样投入可控，老板也更容易看到实际效率提升。

我们在芥子网络帮助企业搭建RAG知识库时，通常会先梳理资料和业务问题，而不是急着堆功能。模型会不断变化，但清晰、准确、有权限边界的企业知识，才是长期可用的资产。