06 | 知识体系构建:从非结构化文档到结构化知识库

数字员工的专业判断能力，本质上取决于知识体系的完善程度。

一个没有知识库的金融数字员工，就像一个没有参考书的医生：可以凭经验推断，但无法保证准确性和一致性。

本文讨论如何从零开始构建一套服务于数字员工的金融知识体系。

一、知识体系的三层架构

金融业知识体系可分为三层，自下而上支撑数字员工的专业能力：

第一层：原始文档层 - 监管文件：法律法规、监管指引、窗口指导 - 业务文档：产品手册、操作规程、内部制度 - 历史数据：以往案例、处置记录、经验总结

第二层：结构化知识层 - 知识图谱：实体-关系-属性三元组，将文档知识网络化 - 实体库：金融机构、产品、人员、风险的标准化定义 - 规则库：监管规则、业务规则的内化表达

第三层：应用知识层 - 场景化知识卡片：针对特定业务场景组装的专业知识 - 决策树/判断逻辑：可执行的推理规则 - 知识向量：用于RAG检索的向量化知识

二、监管知识库：最优先建设的知识库

监管知识库是金融数字员工最核心的知识来源，也是建设优先级最高的一项。

为什么优先建监管知识库： - 金融监管规则是强制性的，数字员工必须准确理解才能执行合规任务 - 监管文件更新频繁，人工跟踪效率低、容易遗漏 - 监管知识库是监管报送、合规检查等场景的直接依据

监管知识库的建设步骤：

Step 1：文档采集与解析 - 建立监管文件采集通道，覆盖银保监、证监、人民银行、外汇管理局等来源 - 解析PDF/Word文档，提取正文、条款、附件 - 识别文件类型（法规、指引、通知、窗口指导）和时效性

Step 2：结构化提取 - 提取关键要素：适用范围、申报要求、时间节点、罚则 - 建立条款与条款之间的引用关系 - 标注与业务系统的关联（哪类业务受哪条规则约束）

Step 3：知识图谱构建 - 将监管规则转化为"如果-那么"的条件逻辑 - 建立规则间的层级关系（上位法-下位法） - 构建与业务场景的映射（场景 → 相关法规 → 合规要求）

三、RAG系统：让大模型基于真实文档回答

RAG（检索增强生成）是解决大模型"幻觉"问题的核心技术方案。

金融场景RAG的常见问题：

优化策略：

1. 文档Chunk策略 - 按条款/章节切分，而非固定字数切分 - 保留条款之间的上下文关系 - 重要定义单独chunk，避免被稀释

2. 向量模型选择 - 通用向量模型（如text-embedding-ada-002）在金融术语上表现不佳 - 建议使用金融领域微调的向量模型，或自建向量模型

3. 混合检索 - 关键词检索（BM25）+ 向量检索，两者取交集 - 对监管条款编号等精确信息，增加关键词检索权重

4. 引用校验 - 生成答案时，要求模型标注每个结论的来源条款 - 答案发布前，通过引用回查验证准确性

四、知识治理：知识体系的长期维护

知识体系的价值取决于知识的准确性、完整性和时效性。

知识治理的核心机制：

更新机制 - 监管文件：建立跟踪机制，文件发布后自动触发知识库更新流程 - 业务知识：与业务流程变更同步更新，变更即更新 - 规则调整：建立版本管理，每次调整记录变更原因和内容

质量控制 - 上架审核：新知识入库前必须经过业务部门确认 - 定期复核：已发布知识定期复核，避免过时 - 异常监控：监控知识被调用的频次和结果，长期未使用的知识下线

权限管理 - 不同级别的知识设置不同的访问权限 - 敏感知识（如涉及监管处罚条款）的修改需要更高层级审批

本篇小结

知识体系是数字员工专业能力的上限。知识体系不完善，数字员工的表现就会参差不齐。

下篇预告

第7篇我们将讨论数据底座：数字员工需要什么样的数据能力，以及如何规划数据架构。