答案摘要：企业知识库RAG没有统一的文档数量门槛。首批范围应从需要支持的业务问题反推：哪些问题已有有效依据，哪些还缺资料，哪些只能查询业务系统，哪些应转人工。先让一个边界清楚的场景具备可用依据，再扩充资料；文件多不代表问题覆盖完整，也不能用演示题答对率替代上线判断。
把“多少份文档”换成“哪些问题有依据”
客服负责人准备产品问答库时，可以先列出当前要支持的产品、客户群和问题范围，再登记对应的正式手册、售后规则、产品变更说明与业务负责人。文件数用于估算整理和解析工作量，是否足以开展试点则要看关键问题有没有有效来源、适用条件是否清楚，以及错误时由谁接手。
一份手册可能支持多个问题，同一问题也可能需要主文档和附件共同解释。不能把文件数、页数、切片数混成同一单位，更不能用增加重复副本充当资料准备进度。对尚未划定任务的项目，先从企业知识库RAG服务范围确认使用入口与用户，再讨论导入规模。
用一份问题到依据的清单选出首批资料
清单不需要先建设复杂后台，关键是业务人员能够核对。每个问题族记录实际问法、使用角色、需要的条件、期望依据与当前缺口；一个问题族可以包含意思相同的多种问法，但不要将条件不同的问题全部合并。
- 已有依据：标注来源文件、版本和具体章节，确认它确实支持结论，而不只是出现相同关键词。
- 缺少条件：记录产品型号、购买时间或服务范围等需要追问的信息，不能把条件不全误判为缺文档。
- 缺少正式材料：交业务负责人补充或确认；在此之前保留转人工，不让技术人员代编业务政策。
- 需要动态结果：订单进度、当前库存等交给授权接口查询，不用上传一份历史导出表来替代实时结果。
- 不在首期范围：登记排除理由与接手入口，避免试点系统被当作全企业问答工具。
例如，以下为合成方案示例：某设备售后试点只支持型号A的安装与保养。基础手册已回答安装条件，维修补充说明只适用于另一批次，实时备件库存来自ERP。首批资料应保留手册及真正适用的补充文件；询问当前库存时进入接口或人工查询。继续上传其他型号的旧手册，并不能补上实时库存这一缺口。
怎样判断再加一份文件是否有价值
新增资料前，指出它要补哪个尚无依据的问题，或修正哪项已经过期的事实。若只是另一个目录中的相同副本，先登记同源关系；若有新附件或不同适用范围，保留其与主文档的关系。不要把去重变成机械删除，历史版本可能仍有追溯用途，只是不应混作当前问题的有效依据。
首期采购范围可分别列原始文件数、可解析页或表格规模、需人工整理的异常件，以及需要接入的动态系统。它们分别影响工作量，不能从“文件少”直接推出费用低，也不根据未经确认的页数承诺工期。资料清洗、解析和分层的具体做法交给资料治理指南；整套建设关口见RAG建设清单，本文只解决首批范围与扩充理由。
什么时候可以停止加文件，转入小范围验证
当首期关键问题已有业务确认的依据、适用角色与边界明确、缺口有接手人时，可以冻结一版资料清单开始验证，而不必等待全公司资料整理完成。冻结的是本轮样本与来源版本，不代表知识以后不再更新。清单应写清观察截止日和排除范围，避免试点中途不断扩大任务后仍用原结果作比较。
验证问题应来自经授权、去除个人信息的真实咨询或工单；没有这些材料时，项目组编写的问题只能标为合成测试。可以由业务方保留一组未用于调试的问题，分别观察有依据能否答对、条件缺失能否追问、无依据能否拒答。样本有限时只报告该组结果，不外推全部咨询。
覆盖判断的分母是已确认的首期问题范围，不是上传文件总数；检索和回答正确性仍需另测。问题有来源却答错时，先查解析、检索和生成链路；没有来源时先补业务依据。版本冲突应按冲突制度引用规则处理，不通过再上传一个“新版”文件让模型自行选择。
这些资料与部署条件未确认时先不要扩大入口
来源无人负责、当前版本不明、关键问题仍靠口头解释，或客户与员工资料权限未分开时，应保持受控试点。权限与引用的专项验证见RAG权限验收指南；上线后的资料变更和复验见知识库持续运营。这些工作不会因文档数量达到某个数值而自动完成。
多数企业RAG项目基于成熟模型、知识库、权限、业务接口与人工复核组合实施，并非从零训练模型。云模型API方案应核对哪些片段会发往外部；混合私有化可将应用、索引和日志留在企业环境，但模型请求仍可能出网；全本地推理还需确认模型服务、资料、日志、备份及接口均在约定环境内。具体选择可结合私有化部署评估，不默认文档上传到内网就代表全部数据不出网。
说明：本文为企业知识库首期范围规划建议，设备场景为合成示例；资料有效性、数据授权、问题范围及交付口径应由企业负责人结合制度与合同确认，不代表客户实际测试结果。
