Agent 做 RAG 知识库，私有文档如何被调用

有家制造企业把三千多份设备手册全转成PDF，直接丢进向量数据库。本以为大功告成，结果一线工人问“3号机床报警E05怎么处理”，智能体却答得驴唇不对马嘴。

问题根本不在模型贵不贵，而是喂给它的文档压根没被“读懂”。PDF里的表格、流程图一转存，全成了一堆破碎的文字段落；一份30页的手册被切成50块，Agent检索到第12页的一句话，却不知道第8页还有个关键前提。加上没有版本和适用机型标注，它很容易就翻出三年前的旧资料。

想让智能体真正用上这些私有文档，得过三道硬门槛：

预处理得保留结构：标题是标题，表格是表格，别一股脑全转成纯文本。实测下来，结构化处理的检索准确率比纯文本高出40%以上。
检索不能只靠语义：向量检索找相似，但企业要的是找正确。得把语义、关键词和元数据过滤混着用，先限定好“设备手册+3号机床+2024版”，再在里面找答案。
上下文组装要克制：别简单堆砌，围绕问题把关联含义和安全注意事项带上，凑成一个完整的知识单元就行。还得标清来源，让Agent知道这段话出自哪本书的第几章。

知识库不是垃圾桶，什么都往里倒。发布前过一遍清单：留没留结构？做没做混合检索？上下文扩没扩展？带没带来源？有没有版本管理？

你把文档整理得越规范，Agent发挥的空间才越大。