夜雨聆风学习资料网

ARTICLE · 1379804

RAG读完你所有文档还是答错,问题出在「临时抱佛脚」,LLM Wiki才是知识库的未来

RAG读完你所有文档还是答错,问题出在「临时抱佛脚」,LLM Wiki才是知识库的未来

前阵子帮一个做工业软件的团队看他们的知识库。

他们半年前上了 AI 问答,把三年攒下的评审纪要、售后记录、报价审批单全塞了进去。上线那天大家挺兴奋,觉得终于不用在群里 @ 人了。

然后出事了。

一个刚入职的售前,接了个老客户续费的活。他没问人,直接问 AI:“第二年续费,折扣怎么批?”

AI 答得很流畅:几折、谁能批、走什么流程,一条不少,还附了出处。

但那份政策是两年前的。去年改过一次,新文件躺在某位负责人的云文档里,一直没进库。

售前信了,报价发出去了。后面是销售总监亲自打电话道歉,折扣按新政策重谈。

这事之后他们的结论是“AI 不靠谱”。我觉得有点冤枉。模型没撒谎,它老老实实照着库里最像的那几段话回答。出错的是我们喂给它的东西——那不是一本能读的书,是一袋切碎的纸条。

一、为什么“临时翻书”总会翻错

现在绝大多数企业知识库走的都是 RAG:文档切块、算成向量、扔进数据库;用户提问时,检索出最相似的几段,再让模型照着这几段写答案。

它像考试前临时翻书——题目出来了才去目录里找,翻到哪页算哪页。

问题就藏在“临时”这两个字里,四处漏风。

知识从来没被读懂过,只是被切碎存起来。 切片的时候,上下文、前提条件、“这条已经作废”的标注,全掉在切缝里了。

碎片之间互不认识。 它不知道“续费折扣”和“合同模板”是同一件事的两面,也不知道“华北区归王工管”这条该挂在哪个客户身上。

新知识进来,只是多了一个块。 旧块不会失效,也不会被标出来。新政策和旧政策在库里平起平坐,谁被检索到,谁就赢。

最要命的是,你没法检查。 打开后台,满屏是分块、向量、相似度分数,你根本不知道它到底“记住”了什么。出了错,也没法定位是哪一段带偏的。

有个做 SaaS 客服的团队就吃过这个亏。两个客服前后脚问“退款要走几步”,AI 给了两个答案:一个三步,一个五步。查了半天才发现,库里同时躺着新旧两版流程,检索时各命中了一段。系统没有任何机制告诉他们,这两条正在打架。

二、换个思路:让模型入库时就读书

这两年有个新说法叫 LLM Wiki。名字不重要,你可以理解成:让大模型从“临时查资料的实习生”,变成“管图书馆的那个人”。

文档进库的那一刻,它干三件事:完整读一遍,提炼成一篇有标题有结构的页面,挂到已有的目录上。知识在入库时就被消化了,而不是等提问时才临时拼。

具体怎么落?三个动作。

动作一:先搭三层架子

把自己从“搜索索引”改造成“一本会长大的百科”。落地先分三层:

原始素材层:原件,只读,不许改。这是唯一的事实来源。

维基层:模型写的页面,可以改、可以推翻、可以整层重建。

约定层:一份规则文件,写清楚页面怎么命名、标题几级、标签怎么打、什么情况必须标“已过期”。

关键在第一条,原件不许动。原件在,维基层写坏了能重来;原件要是被改得面目全非,后面所有页面都失去追溯能力,错了你都不知道错在哪。

约定层不用写得很复杂,够用就行:

page:path:wiki/{主题}/{实体}.mdheadings: [概述, 关键结论, 适用条件, 相关页面, 来源]rules:-raw/目录只读,任何页面不得改动原件-每条结论必须回链到raw/中的原文位置-与已有页面冲突时,标注conflict并列出双方来源

我见过一个律所这么干。三万份判决没法全读,就先按“争议类型”把案子改写成一条条案例页,每页写清事实、争点、法院怎么看。年轻律师找类案,不再是关键词大海捞针,而是从一个主题页顺着链接往下走。这是 RAG 给不了的:RAG 只会还你五个片段,不会告诉你“这类案子大概长什么样”。

动作二:录入走两步,先分析再生成

新文章丢进来,分两段处理。

分析阶段:这篇讲了什么,涉及哪些实体和结论,库里哪些页面会被它影响,有没有和已有说法冲突的。

生成阶段:像人写百科那样动手。先更新受影响的旧页面(旧政策标“已废止”,指向新页),再新建还没人写过的概念页,最后补上双向链接和标签。

发现两份材料说法不一样,不要替读者选边。单开一个冲突标记,把两种说法、各自来源、时间都摆出来,让人自己判断。

这套流程不新鲜,维基百科的编辑者一直是这么干的:新资料进来先改旧条目,有争议就挂“来源请求”,而不是把两句话都塞进正文,装作无事发生。区别只在于,现在干活的是模型,速度从“一个编辑一个月改二十条”,变成“一晚上过一遍全部”。

动作三:把“人能读”当验收标准

这一步最容易被跳过,也最值钱。

验收就三句话:随便打开一页,三分钟能不能看懂?这页有没有链到该链的相关页?过期信息有没有被明确标出来?

人和 AI 读同一份东西,是这套机制真正的护城河。你随时能打开“它脑子里的那本书”翻一翻,发现哪页写得不对,改那一页,下次回答立刻就不一样了。RAG 做不到这一点:你只能重新切块、重新算向量,改完心里还是没底。

GitHub 上有个叫 DeepWiki 的项目,思路很像:给它一个代码仓库,它生成一套能直接浏览的维基页面,目录、模块说明、关键实现都摆出来,人和 AI 看的是同一套东西。你想 review 它到底懂了没有,是打开网页看,不是去翻日志。

三、回到那个售前

如果他们的库不是一袋纸条,而是一本有目录、有交叉链接、过期页会标红的书,AI 大概会这么答:

“2024 年 7 月起,续费折扣调整为 X 折;旧政策见历史页。”

一句话的差别,背后是一次可能上百万的报价失误。

我的看法是,RAG 没过时。它擅长的是“在一堆材料里找到相关的那几段”,这件事它做得很好,短期也不会被替代。但如果你的目标是一个团队长期共用、还要不断长出新东西的知识底座,光靠检索是不够的——你得有人在入库时读书、写页、维护链接。

这个“人”,现在可以是大模型。

工具会换,思路不会:知识要么在入库时被理解一次,要么在每次提问时被误解一次。

最后问一句:你们团队的知识库,现在是“一本能翻的书”,还是“一袋纸条”?评论区说说你踩过的坑,我挑几个典型的,下次拆开讲怎么改。

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