很多企业投入资源搭建内部知识库,上线后却发现员工仍靠翻聊天记录和问老同事。问题往往不在模型,而在切分粒度、召回策略与更新机制三处。本文从真实使用场景拆解三个常见症结,并给出可落地的改进方向,供企业决策者参考。
过去两年,不少中国企业陆续上线了内部知识库问答系统,预算花了、文档也灌进去了,但真正用起来的人却不多。员工试过一两次,答非所问或答得太浅,便回到翻文件夹、群里问人的老路。问题通常不在大模型本身,而在知识进入系统的方式:文档怎么切、问题怎么匹配、内容怎么保鲜。这三处做不好,再好的模型也只能给出似是而非的答案。
最常见的做法是把整份 PDF、整篇制度文档直接灌进知识库。一份三十页的员工手册被切成几段,每段上千字,检索时命中的是一大块文本,模型要么抓不住重点,要么把不相干的条款一起塞进回答。员工问“出差住宿标准是多少”,得到的却是整章差旅管理规定,还得自己再读一遍。合理的做法是按语义结构切分:以条款、问答对、操作步骤为单位,控制单块长度,并保留标题层级和所属章节作为上下文。对于表格密集的报价单、参数表,还要单独处理,避免切分后行列关系丢失。切分是知识库效果的第一道关口,这一层粗糙,后面的模型再强也补不回来。
很多系统默认只用向量相似度检索,对口语化提问友好,却容易漏掉企业内部大量专有名词、产品代号、缩写和流程编号。员工问“CK-2024 采购流程走到哪一步”,向量检索可能召回一堆语义相近但完全无关的流程说明。行业经验显示,单一检索方式在专业术语密集的场景下召回率往往不理想。更稳妥的做法是混合检索:向量召回加关键词召回,再叠加一层重排,把真正对口的片段排到前面。同时要允许按部门、文档类型、权限范围做过滤,避免把财务制度答给研发同事。召回不准,回答再流畅也是无效输出,这部分通常需要结合企业自己的语料做调优,而不是开箱即用。
知识库最容易被忽视的是保鲜。制度修订、价格调整、产品版本迭代,源文档变了,知识库里的片段却还是旧的,员工问到的答案与现行规定不符,一次两次之后就不再信任系统。多数企业的文档散落在共享盘、OA、 Confluence 等多个地方,缺少统一的同步机制,靠人工定期重传,很快就没人维护。可行的做法是建立文档源与知识库的同步链路,标注生效日期与失效日期,对过期内容自动降权或下线,并保留版本记录以便追溯。更新机制不只是技术问题,更是责任归属问题:每类文档要有明确的维护人,否则知识库会在上线三个月后慢慢变成历史档案。Uwang 在知识库 RAG 与自动化流程上的设计,正是把文档同步、权限过滤和检索调优串成可维护的链路,减少这类人工负担。
归根结底,知识库问答不是买一个模型就能解决的问题。切分决定知识能不能被准确取出,召回决定能不能被找对,更新决定答案能不能被信任。三处都扎实,员工才会在遇到问题时先想到它,而不是先想到问同事。
多数情况下不是。先检查文档切分是否过粗、检索是否只用了单一向量方式、内容是否过期。这三项占效果问题的比例通常更高,换模型往往成本高而收益有限。建议先用一批真实员工问题做测试集,定位是召回不到还是回答组织不好,再决定优化方向。
可以,也是多数中大型企业的首选。私有化部署能把文档、向量索引和模型推理放在企业自有环境内,配合按部门、角色的权限过滤,避免越权检索。选型时可重点确认是否支持本地文档源同步、权限继承和审计日志。
建议业务部门与 IT 分工:IT 负责系统与检索调优,各文档归属部门指定维护人,负责内容更新与失效标注。上线初期按月复盘未命中问题,逐步补齐高频缺口,比一次性堆文档更有效。