要解决的问题
不做这个功能会遇到什么
先说清楚问题，再说我们的做法。
知识散落各处，找不全
产品说明在文档、客服话术在表格、售后政策在邮件里，内容分散且互相矛盾。
内容过时没人维护
政策改了但文档没改，AI 照着旧内容回答，比不回答更糟。
同一问题多个答案
不同渠道的文档说法不一致，客户反复确认，信任度被消耗。
实现原理
具体是怎么做的
面向技术评估的需求，不讲营销话术。
- 01
导入与结构化
支持上传文档、表格、手动录入三种方式。系统会自动切分并识别结构（标题层级、条款编号），不需要手工整理成特定格式。
- 02
建立向量与关键词索引
每个知识片段同时建立向量表示（用于语义检索）与倒排索引（用于关键词精确匹配）。两份索引并行查询后融合排序。
- 03
缺口识别
当客户问了知识库没有覆盖的问题，置信度会很低并转人工。系统自动把这类问题标记为「知识缺口」，按出现频次排序，形成待补充清单。
- 04
命中反馈与效果统计
每次检索的命中片段、相似度得分、最终是否被采用都会被记录。这样能定位「哪段知识没用上」，而不是笼统地说效果不好。
设计决策
为什么这样做，而不是另一种做法
每个关键取舍都列出来。技术评估时最该问的就是这些。
Q: 为什么不用纯向量检索？
我们的选择
向量 + 关键词双路并行，RRF 算法融合
原因
纯向量检索在语义检索上强，但产品型号、专有名词、型号代码这类精确匹配容易漏掉。纯关键词又匹配不到同义表达。两路融合兼顾两者。
Q: 知识库要不要人工审核？
我们的选择
需要，但只审核新增和修改，不审核全部
原因
全量审核成本太高，实际没人会认真做。只要求对新增内容审核一次，修改时保留版本记录，既保证质量又可持续。
Q: 知识库更新后多久生效？
我们的选择
分钟级，不需要重启服务
原因
知识库更新频繁（尤其是活动规则、促销政策），如果需要重启或重新训练，实际上线后没人敢改。
Q: 要不要按租户隔离？
我们的选择
按租户完全隔离，包括向量索引
原因
金融、政企客户的合同里通常明确要求数据不混用。物理隔离比逻辑过滤更经得起审计。
可调项
这些参数你们可以自己调
不需要联系我们改代码，改配置即可生效。
| 参数 | 默认值 | 调整影响 |
|---|---|---|
| 检索召回条数 | 5 条 | 增加可提升召回但可能引入噪音；过少会漏答案 |
| 相似度阈值 | 0.70 | 提高可减少无关内容但可能漏掉正确片段 |
| 分块大小 | 512 tokens | 大块保留上下文，小块提升精度 |
常见问题
知识库管理的常见疑问
需要准备多少知识才能上线？
建议先用最近 3-6 个月的真实会话记录做冷启动，通常覆盖 60-70% 的高频问题。剩下的缺口会在运行中被自动识别出来，形成持续补充的清单。
知识库和智能体是什么关系？
知识库是数据，智能体是使用者。同一份知识库既供给智能体自动回答，也供给坐席工作台查阅，避免两套内容不一致。
支持哪些文档格式？
常见格式都支持：PDF、Word、Excel、Markdown、纯文本，以及直接粘贴内容。扫描件需要先做 OCR。