RAG（检索增强生成）会先从企业资料中检索与问题相关的内容，再把检索结果交给模型组织回答。它能帮助回答贴近内部资料，但效果取决于文档质量、检索能力、权限和持续评测。
01 / INSIGHT
什么场景适合建设RAG知识库？
当问题的答案主要存在于产品手册、制度、项目文档、售后记录或内部知识中，并且需要随资料更新时，RAG知识库有较强适用性。常见入口包括客服问答、员工查询、文档辅助和技术支持。
如果任务需要实时计算、直接操作设备或依赖数据库最新状态，仅做文档检索可能不够，还需要连接业务系统或工具。先区分“查资料”“做计算”和“执行动作”，可以避免架构选错。
02 / INSIGHT
资料治理要完成哪些工作？
为每份资料标记来源、版本、有效期、负责人、适用范围和访问权限，清理重复、过期和相互冲突的内容。扫描件、表格、图片和复杂版式还需要检查解析结果，确保标题、段落和关键字段没有丢失。
文档切分应保留语义与上下文。切得过碎会丢失条件，切得过大又会降低检索精度。产品型号、部门、地区、时间和权限等元数据，可以帮助系统过滤到更合适的资料。
03 / INSIGHT
RAG问答怎样测试和验收？
从真实用户问题中建立测试集，为每个问题标注可支持答案的资料与预期要点。先评估检索是否找到了正确内容，再评估回答的依据、完整性、相关性和正确性。正向问题与资料无法回答的问题都要测试。
页面应尽量显示引用来源，并明确“资料中没有答案”的情况。对高影响内容保留人工复核。上线后记录未命中、错误引用和高频新问题，用这些反馈更新资料、切分、检索和提示规则。
04 / INSIGHT
常见问题：知识库建好后还要维护吗？
必须维护。产品、制度和组织变化后，旧资料可能继续被检索出来。企业需要明确谁负责更新、何时失效、如何重新索引，以及更新后怎样回归测试。
知识库质量不仅看文档数量，还要看目标问题能否被正确检索、回答能否引用依据、权限是否正确、无法回答时是否诚实退出。
