第二篇　知识库构建：让 AI 真懂公司业务

上一篇我们把需求和选型聊透了，这一篇进入真正的苦活：知识库。说它是智能体的命根子一点不夸张——大模型本身是个不知道你们公司业务的聪明脑袋，回答准不准、能不能用，九成取决于你喂它什么。我们踩过最大的坑不在代码，而在知识本身：散落五个系统的文档、含客户手机号的工单、50 页读不通的 PDF 手册。

四节之间的顺序就是实际动手的顺序，不能乱：先盘点有什么（2.1），再统一存起来（2.2），然后切成 AI 能消化的块（2.3），最后用一套摸底题验证它到底学会了没有（2.4）。前两节决定数据的干净与稳定，后两节决定检索和回答的上限。

• 2.1 知识来源盘点：先列清楚公司到底有哪些知识可用，再做脱敏与清洗。
• 2.2 COS 存储规划：把原文集中到一个有权限管控、有版本留存、能自动归档的地方。
• 2.3 文档解析与切片：把长文档切成语义完整的小块，是 RAG 流程里最该花心思的一步。
• 2.4 知识库质量评估：上线前先做一套二十题的摸底卷，把幻觉和召回问题挡在门前。

本篇是全书的地基，知识库质量决定了后面编排和提示词工作的上限。如果你对知识管理本身也有兴趣，可以翻翻我写的笔记知识库。

延伸阅读

• 知识管理的系统性方法，见笔记知识库。
• 本地与云端知识库方案对比，见NAS 家庭服务器。
• 云端底座的搭建与运维，见腾讯云五件套实战。