RAG 工作流程图
一、AI 知识库不是“上传资料”这么简单
现在大部分 AI 知识库背后用的都是 RAG。
RAG 可以简单理解成:
先从你的资料里找相关内容,再让大模型根据这些内容回答。
这个逻辑听起来很合理。
比如你上传了一份员工手册,问:
“请假流程是什么?”
系统先从员工手册里找出请假相关的段落,再交给大模型整理成一句人话。
这种问题,RAG 通常表现不错。
但一旦问题变复杂,它就容易出问题。
比如你的知识库里有三份资料:
第一份资料说:A 公司收购了 B 公司。
第二份资料说:张三是 A 公司的 CTO。
第三份资料说:张三后来加入了某个大模型项目。
你问 AI:
“收购 B 公司的企业,它的 CTO 后来加入了哪个项目?”
这个问题对人来说不难。
人会这样推理:
A 公司收购了 B 公司;
A 公司的 CTO 是张三;
张三后来加入了某个项目;
所以答案是那个项目。
但普通 RAG 很可能只找到前两份资料,找不到第三份。
为什么?
因为第三份资料里可能没有出现“收购”“B 公司”“CTO”这些关键词。
对传统检索来说,这条线索就断了。
所以很多 AI 知识库不是不会回答,而是它根本没有把该找的资料找全。
知识库答不准的 5 个原因
二、知识库答不准,最常见有 5 个原因
1. 文档解析一开始就错了
很多企业资料不是干净的纯文本,而是各种复杂格式:
PDF 扫描件、Word 文档、Excel 表格、PPT、图片、合同、报告、标准文件。
这些文件进入知识库之前,要先被系统解析成文本。
问题就在这里。
如果 PDF 是扫描件,OCR 识别错了,后面再强的模型也只能基于错资料回答。
如果 Excel 里有合并单元格,系统没有处理好,原本属于同一个大类的数据,可能在解析后变成一堆失去上下文的碎片。
如果 Word 里的标题层级丢了,AI 看到的就不再是一份结构清楚的文档,而是一堆散落的句子。
这就像你让一个人读书,但书页被撕乱了、目录被删了、表格被拍扁了。
他当然很难答准。
所以,AI 知识库的第一步不是上传资料,而是:
先保证资料被正确解析。
2. 文档被切得太碎,关键上下文丢了
很多知识库会把文档切成一小块一小块,方便检索。
这个动作叫“分块”。
分块本身没错,但切不好就会出大问题。
比如一份标准文件里有这样的结构:
第五章等级划分
5.9 九级标准
5.9.2 具体条款
第 23 项:……
如果系统只把“第 23 项”单独切出来,却没有带上前面的“九级标准”,AI 就不知道这条内容到底属于哪一级。
结果用户问:
“这个情况属于几级?”
AI 可能会答错,因为它看到的是孤立片段,不是完整语境。
所以好的知识库,不应该只切正文,还要把标题路径带进去。
也就是说,每个片段最好都知道自己属于哪份文档、哪个章节、哪个层级。
这就像你从书里摘一句话,不只要摘正文,还要告诉别人:
这句话出自哪本书、哪一章、哪一节。
3. 检索只会找“相似”,不会顺着线索继续查
传统 RAG 最擅长的是找“看起来相关”的内容。
但很多真实问题不是简单匹配,而是多步推理。
比如:
“去年批复的那个项目,后来变更金额是多少?”
“某个供应商影响了哪些下…