芥子网络 免费咨询

RAG 知识库搭建 · 2026-11-14 20:48:30

唐山企业搭建RAG知识库,先把内部资料用起来

唐山制造、商贸企业资料分散,RAG知识库能让制度、合同、产品手册变成可问答的资产。搭建重点不在模型多强,而在资料治理、分块策略和权限边界。

为什么唐山企业适合先做RAG

很多唐山企业并不缺资料:钢厂的工艺规程、贸易公司的合同模板、装备企业的产品手册、行政部门的制度文件,往往散落在共享盘、微信群、ERP和个人电脑里。真正的问题是,员工找不到、新人不会用、客户问起来还要反复确认。

RAG(检索增强生成)的价值,是先从企业自有资料里检索相关内容,再让大模型基于这些内容回答,而不是让模型凭空编造。对中小企业来说,这比一上来训练一个专属大模型更现实,成本可控,也更容易落地。

第一步不是选模型,而是整理资料

搭建知识库前,先把资料分成三类。第一类是稳定知识,比如公司介绍、产品参数、售后政策、报销制度,适合长期使用。第二类是过程资料,比如会议纪要、项目周报、采购记录,更新频繁,需要定期清理。第三类是敏感资料,比如客户报价、合同金额、员工信息,必须先做权限设计。

资料格式也要统一。PDF扫描件要做OCR识别,Word和Excel要保留标题层级,图片里的关键参数最好单独标注。如果原始文件本身版本混乱,比如同一个产品有五份报价单,知识库只会把混乱放大。

分块和检索决定回答质量

不少企业测试RAG时发现,模型回答总是“差一点”,常见原因是文档切分太粗或太细。切得太粗,一段里混着多个主题,检索不准;切得太细,上下文丢失,回答容易断章取义。

比较稳妥的做法是按业务语义分块:制度文件按条款,产品手册按章节,FAQ按问题对,合同按条款类型。每块保留来源、版本号、适用部门等元数据。检索时可以结合关键词和向量搜索,再用重排序提高命中率。这样员工问“唐山项目的质保期多久”,系统才能找到对应合同,而不是只返回通用售后政策。

权限和验证不能省

知识库不是把所有文件公开给所有人。销售只能看销售资料,财务只能看财务制度,管理层才能查看经营数据。系统需要按部门、岗位、文档密级控制访问,并保留查询日志,方便追溯答案来源。

上线前还要准备一批典型问题做验收,比如产品参数、流程审批、客户异议处理、合同条款解释。每个问题都要核对答案是否能追溯到原文,出现无依据内容时要提示“资料中未找到”,而不是强行回答。

从一个小场景开始

中小企业不必追求“大而全”。可以先选一个高频场景,例如销售产品问答、新人入职制度查询,或者售后故障排查。用两到三周完成资料整理、分块、测试和权限配置,跑通后再扩展到合同、项目和生产文档。

我们在芥子网络做这类项目时,通常会先帮客户梳理资料目录和使用场景,再确定知识库结构,而不是简单把文件扔进系统。RAG知识库的本质,是让企业已有经验真正被检索、被复用,而不是再多一个没人维护的文档库。