夜雨聆风学习资料网

ARTICLE · 1369066

私有知识库搭建:把公司10年文档喂给AI,我踩了4个坑

私有知识库搭建:把公司10年文档喂给AI,我踩了4个坑

上个月帮一家公司做内部知识库。

他们攒了十年资料:产品手册、售后记录、投标文件、内部培训材料,一共4万多个文件,散在六个共享盘里。

老板的想法很直接:"把这些都喂给AI,以后员工有问题直接问它。"

第一版上线,答对率不到四成。

不是模型不行。我换过三个模型,最好也就四成多。问题出在"喂"这个动作上。

坑一:把所有文件都当"文档"处理

第一版我图省事,把所有文件统一转成文本、切块、入库。

结果:Excel 表格被切成一行一行的碎片,一张报价表变成了"型号A 1200"、"型号B 3400"这种没有上下文的片段;PPT 每页被单独切开,第二页的图离开了第一页的标题,完全看不懂。

AI 不是不会答,是它拿到的东西本来就是断的。

后来我按文件类型分开处理:

Word/PDF 正文:按段落切,每块500到800字,保留上一级标题作为上下文前缀。

Excel:整张表作为一个块,附上表头说明和"这张表是干什么的"。

PPT:按"一页=一块",把标题、正文、备注合并成一段。

聊天记录/工单:按"一个问题+所有回复"作为一个块,不要按条切。

这一步改完,答对率从四成涨到六成半。

坑二:没有元数据,检索就是瞎猜

第二版答对率六成半,但有个致命问题:它答对了内容,但引用了错的文件版本。

公司产品手册有三个版本(2023、2024、2025),内容有冲突。AI 检索到哪版就用哪版,员工看到的是过期参数。

解决方案:给每个块加元数据。

必须加的五个字段:

来源文件全名。不要只存文件名,存完整路径。

生效日期。这份文件是什么时候的,什么时候作废。

适用对象。是给内部员工看的,还是给客户看的。

密级。公开、内部、机密。

版本状态。现行、已废止、草稿。

然后在检索时加过滤条件:只检索"现行"版本的、"内部"及以上密级的文件。

这一步改完,答对率到了八成。

坑三:不测召回,只测"感觉对不对"

第三版八成了,但团队里开始有人说"它有时候答得特别好,有时候答得莫名其妙"。

我让他们把"答得莫名其妙"的案例收集起来,一共37个。分析完发现一个规律:

凡是问题里带具体型号、编号的,准确率高;凡是问"这个事怎么处理"这种概括性问题的,准确率低。

原因很简单:概括性问题,检索出来的都是片段,拼不出完整流程。

对策:给"流程类问题"单独做一层索引。

我把所有 SOP、操作规范类文档,人工整理成"问题—步骤"结构,单独存一份。检索时先判断问题类型:是查事实(走原文检索),还是问流程(走SOP索引)。

这一步改完,稳定在九成左右。

坑四:权限没隔离,等于把机密贴墙上

这个坑最危险。

测试阶段我图方便,所有人用同一个入口。结果一个实习生问"今年的报价策略是什么",AI 很热心地回答了——那份文件是标了"机密"的。

技术上这不是AI的错,是我没做权限过滤。

正确做法:检索之前先按用户身份过滤,不是检索之后再遮。

检索前置规则(不可绕过): 1. 先确定提问者的部门、职级、项目归属 2. 只在"该用户有权访问"的文档范围内检索 3. 无权访问的内容,不检索、不生成、不提示"存在但你不能看" 4. 每次回答必须附来源文件,方便追责

第3条特别重要。不要说"这份文件你没有权限",那等于告诉对方"这里有个秘密"。直接当作不存在。

一个能直接抄的Prompt:做知识库问答

这是我现在用的系统提示词框架:

你是[公司名]的内部知识助手。你的回答只能来自检索到的资料。  【回答规则】 1. 先给结论,一句话,不超过40字 2. 再给依据:引用原文,标注来源文件名和生效日期 3. 如果检索到的资料互相矛盾,把矛盾点列出来,说明哪个是现行版本 4. 如果检索不到,直接说"资料库中没有相关内容",并建议去问哪个部门 5. 不许用你的常识补全公司内部信息 6. 涉及数字、价格、日期、人名,必须逐字引用,不许改写  【输出格式】 结论:…… 依据: - (原文摘录,来源:文件名 / 生效日期) 补充:如果这个问题需要人工判断,说明判断依据是什么  【禁止】 - 不许说"根据一般情况" - 不许把多个文件的内容混合成一个"综合结论"而不标来源 - 不许在没有依据时给出推测

第5条和第6条,是防幻觉最有效的两条。公司内部知识库最怕的不是"不知道",是"编得像真的"。

三个反常识的结论

一,知识库的质量,八成取决于"整理",不是"模型"。我换模型的收益,远小于重新切片的收益。

二,不是所有资料都该入库。过期的、重复的、草稿状态的,入库只会制造噪音。我最后删掉了三分之一的文件。

三,要有人负责更新。知识库最怕"上线即巅峰",三个月后就没人维护了。必须有一个明确的负责人和一个更新频率。

一句实话

做知识库最大的误区,是把它当成技术项目。

它其实是信息治理项目。你要回答的问题是:"公司里哪些知识是可信的、现行的、该让谁看的?"

这个问题想不清楚,接再强的模型也没用。垃圾进,垃圾出,这句话在知识库上体现得最彻底。

你们公司有没有在做内部知识库?卡在哪一步?评论区说说,我看看是不是都卡在"文档太乱"上。

收藏这篇,动手之前先把"五个元数据字段"定下来。

想要那份"知识库上线检查清单"(21项,含切片/元数据/权限/评测),加微信 lingshu202688,备注"知识库"。

AI 软件造物 · AI 硬件造物 · AI 技能学习

适合职场人和创业者深度学习,直接进 👇

微信搜索小程序「玄枢聊AI」也可以找到

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料