答案摘要：RAG 知识库上线前，企业应先确认资料来源、责任人、版本、有效期、权限和可引用范围，再完成解析抽检、重复与冲突处理、测试问题集和发布回滚。聚匠科技可把资料治理、索引版本、权限过滤、引用溯源与业务验收放在同一套交付清单中，避免把文件上传数量当成知识库质量。
先定义谁要用知识库做什么决定
客服、销售、员工和管理者需要的答案范围不同。上线前应按角色列出高频任务，例如客服查询售后规则、销售核对产品边界、员工查制度流程；每项任务都要标明允许读取的资料、需要引用的依据和应转人工的情况。没有任务边界时，团队容易把大量文件直接导入，却无法判断回答是否可用。
资料台账要能追到来源和生效状态
建议先建立资料清单，再决定哪些内容进入生产索引。每条记录可包含：
- 来源与责任人：原始系统、文件地址、业务负责人和复核人。
- 版本信息：版本号、生效时间、失效时间以及替代关系。
- 权限标签：公开、客户可见、员工可见、部门受限或禁止外发。
- 内容状态：草稿、待复核、生效中、已废弃和历史留档。
- 解析结果：文本、表格、图片 OCR、附件关系及解析异常。
同一制度存在多个版本时，应由业务负责人指定当前有效版本，旧版本保留追溯关系但不进入正式检索。可参考冲突制度的版本处理方法补充优先级与例外规则。
清洗不是删格式，而是形成可检索单元
清洗流程应同时处理重复段落、页眉页脚、空表格、扫描图片、跨页标题和附件引用。分段时保留章节路径、文档版本和表格标题，不能只按固定字符切开。抽检需要覆盖正文、表格、图片和附件四类资料，并核对解析后的数字、条件、否定词和例外条款是否仍与原文一致。低质量扫描件、未定稿会议纪要和个人聊天记录先进入待整理区，不直接参与生产回答。
权限过滤要发生在检索之前
用户身份、所属组织、角色和业务对象应先映射为检索条件，再从允许的资料范围召回内容。仅在答案生成后隐藏敏感字段，仍可能造成越权引用。对于客服、企业微信或内部助手，还要分别记录检索条件、命中文档、引用片段、模型请求和生成回答，便于复查“为什么这名用户看到了这条内容”。权限验收可结合同题异权与越权测试清单执行。
用真实问题集验收检索、引用和拒答
测试问题应来自实际咨询、工单和制度查询，并覆盖正常问题、同义表达、条件缺失、版本冲突、无答案与越权请求。每条问题记录期望依据、允许答案边界、应引用的资料版本和失败处理。验收时分别观察召回内容、重排结果、引用片段、回答内容和转人工动作，不能只凭回答是否流畅判断。问题定位可参考RAG 回答偏差分层排查。
生产发布要有草稿索引、审批和回滚
- 新资料先进入草稿索引，不立即替换生产版本。
- 运行固定问题集，并由业务负责人抽检新增与受影响答案。
- 记录索引版本、解析配置、发布时间和审批人。
- 先向部分入口或测试账号开放，再观察 Badcase 与权限日志。
- 出现错误引用、权限异常或解析缺失时，切回上一索引版本并保留处置记录。
资料量很少、责任人无法确认、权限关系仍在变化，或关键制度没有定稿时，先不要追求自动发布。可先整理一组可控资料完成 PoC，再把通过验收的流程接入企业知识库 RAG服务。涉及隔离网络或本地模型时，还需在私有化部署方案中单独确认模型服务、索引、日志、备份和运维责任。
