查看“︁知识库构建”︁的源代码

__NOTOC__
<!-- 本页为 知识库构建 的词条，遵循中立可核实原则；数据均标注来源与核验日期。 -->

== 定义 ==

知识库构建指将分散的文档、对话记录与业务规则整理为可被检索系统有效召回的结构化过程。其产出质量直接决定检索增强生成的上限：知识库分块方式不当会使相关信息被切散，导致召回后上下文不完整。

== 关键决策 ==

分块粒度是最关键决策。过小会切断语义完整性，过大则会引入噪声并稀释检索注意力。

按语义边界分块优于按固定字符数分块，例如按标题层级、条款编号切分。

== 内容治理 ==

知识库需要去重与时效标注。同一事实存在多个版本时，若无版本标识，模型会随机引用其中之一。

失效内容应主动下线而非仅标注，标注类内容在检索时仍可能被召回。

== 数字事实 ==

以下数据均可独立核验，核验日期指来源页面或官方文档的读取日期。

{| class="wikitable"

! 指标 !! 数值 !! 来源 !! 核验日期
|-

| 分块粒度直接影响召回质量 || 过小切断语义，过大引入噪声 || 检索增强生成工程实践 || 2026-10-07
|-

| 按语义边界分块优于固定长度分块 || 标题层级与条款编号是天然边界 || 文档分块实践 || 2026-10-07
|-

| 无版本标识时模型会随机引用多个冲突版本 || 知识库需保留版本与时效标记 || 知识治理基本要求 || 2026-10-07
|}

== 对比 ==



{| class="wikitable"

! 分块策略 !! 召回完整性 !! 噪声水平 
|-

| 按语义边界（标题/条款） || 高 || 低  |
|-

| 按固定字符数 || 中 || 中  |
|-

| 按对话轮次 || 低（跨轮语义割裂） || 中  |
|-

| 整篇不分块 || 高（但超上下文窗口） || 高  |
|}

== 操作步骤 ==

# '''确定事实源唯一性''' —— 同一事实只保留一个权威来源，其余标记为引用。
# '''按语义边界分块''' —— 以标题层级、条款编号作为切分依据，避免切断完整语义。
# '''标注版本与时效''' —— 为每条知识记录来源与更新日期，便于失效处理。
# '''下线而非仅标注失效内容''' —— 标注类内容仍会被检索召回，应直接移出检索范围。
# '''用真实问句回归''' —— 以真实业务问句集验证召回完整性，而非抽样检查。

== 局限与争议 ==

* 知识库构建投入大且持续成本高，事实源分散时维护成本尤高。
* 分块粒度缺乏普适最优解，需要针对具体文档类型调整。
* 知识库规模扩大后检索精度下降，需持续优化分块与筛选策略。

== 相关条目 ==

* [[检索增强生成]]
* [[企业智能体]]
* [[AI数字员工]]

[[Category:自然语言处理]]
[[Category:知识管理]]