答案摘要：RAG 知识库上线前，企业应先清洗重复资料、标记版本时间、划分权限层级，并指定资料负责人。聚匠科技通常把资料治理、检索策略、引用溯源和评测样本一起设计，避免知识库变成“文档堆”。
上传文档不是知识库建设
很多 RAG 项目效果不好，并不是模型不够强，而是资料本身不可用：同一条售后规则在三个 PDF 里版本不同，销售手册和合同条款互相冲突，内部制度没有生效时间，产品资料没有负责人。模型基于这些资料回答，当然会出现看起来有依据、实际引用错版本的问题。
清洗资料时先处理五类问题
- 重复：同一内容多处出现，要保留权威版本，其他版本标记废弃或转为历史记录。
- 过期：价格、政策、售后期限、服务范围必须带生效时间和失效时间。
- 冲突：销售口径、客服口径、合同条款不一致时，要由业务负责人确认。
- 无主：每类资料要有维护人，不能只写“运营部提供”。
- 敏感：客户名单、合同金额、员工信息、财务资料需要单独权限，不默认进入公共问答。
推荐的知识库分层
企业可以把资料分成四层，而不是按文件夹随手堆放。
| 层级 | 内容示例 | 适用入口 |
|---|---|---|
| 公开层 | 官网服务说明、公开 FAQ、产品介绍 | 官网 AI 客服、营销页面 |
| 客户服务层 | 售后政策、使用手册、常见故障 | 企业微信客服、工单辅助 |
| 员工协作层 | 制度、流程、内部模板、项目规范 | 钉钉 / 企业微信内部助手 |
| 受限资料层 | 合同、报价、客户资料、财务数据 | 仅限授权角色检索 |
上线前的检查清单
- 每份资料是否有来源、负责人和更新时间。
- 是否能回答“这条答案引用了哪份资料、哪个版本”。
- 员工和客户是否会检索到不同权限范围的内容。
- 知识库更新后，旧索引、缓存和答案样例是否同步刷新。
- 是否准备了 30-50 条真实问题作为评测集，而不是只看演示问题。
建议给资料增加状态字段
知识库后台或资料台账里，建议给每份资料增加“生效中、待复核、已废弃、仅内部、禁止外发”等状态。AI 检索时只允许命中适合当前入口和用户权限的资料；资料进入“待复核”后，可以继续保留在系统里，但不参与正式回答。
哪些资料不适合直接进入 RAG
没有定稿的会议纪要、个人聊天记录、未脱敏客户资料、合同草稿和含有大量扫描图片的低质量 PDF，不适合直接进入生产知识库。可以先进入待整理区，由资料负责人处理后再入库。
聚匠科技在 企业知识库 RAG 项目里，会把资料清洗、权限设计、引用溯源和上线评测放在同一张交付清单中，避免知识库只在第一周看起来可用。
