教程：用私有知识库搭一个会查资料的聊天机器人

为什么不能直接用通用模型

通用大模型见过互联网上的公开内容，却没见过你们的产品手册、价格表、客户记录。你问它「我们旗舰版的退货政策是什么」，它只能编一个听起来合理的答案——这正是企业最怕的幻觉。

检索增强（RAG）的思路很简单：先把文档切成小块、转成向量存起来，用户提问时先去库里找最相关的几段，再把这几段连同问题一起交给模型生成答案。模型说的每句话，都锚定在你给的资料上。

准备你的资料

从最常被问到的 20 份文档开始：FAQ、产品手册、内部制度、价格表。格式不限 PDF/Word/网页，关键是内容要干净、段落清晰。

把文档按主题归好类，后面做权限隔离会很省事——比如客服能查售后的资料，财务能查合同的资料。

四步接进对话

第一步，上传并切片：平台会把文档拆成语义完整的小块，每块生成向量写入知识库。

第二步，配置检索：设定每次回答前取回几段、相似度阈值多少。阈值太高会漏掉相关内容，太低会混入噪音，先用中等值再微调。

第三步，绑定到对话：在智能体配置里勾选「回答前先检索知识库」，模型就会自动走 RAG 流程。

第四步，加引用：让回答末尾标注「依据：XX 文档第 N 节」，既方便用户核对，也方便你事后审计。

• 上传切片 → 生成向量
• 配置检索条数 + 相似度阈值
• 对话绑定知识库，自动走 RAG
• 回答带引用，可追溯可审计

怎么知道它答得对

准备 10 道真实高频问题，先把「不带知识库」和「带知识库」的回答各跑一遍，对比准确率。你大概率会看到幻觉明显减少。

再故意问一个资料里没有的问题，看它会不会硬编——合格的配置应当回答「资料里没有这部分内容」，而不是编造。

上线后别忘了维护

文档会更新，知识库也得同步。建立「资料变更即重新切片」的习惯，避免机器人一直在引用三个月前的旧政策。

定期看命中率与拒答率，命中率低说明切片或检索参数要调，拒答率过高说明资料覆盖还不够。

一个会查资料的机器人，价值不在于它「多聪明」，而在于它「只说你给的料」。把 RAG 做对，它就成了团队里最靠谱的那个资料员。