答案摘要：企业知识库 RAG 没有固定的文档数量门槛，少量权威资料也能验证明确场景，大量重复和过期文件反而会降低检索质量。聚匠科技通常先确定知识边界、资料负责人、权限与更新机制，用真实问题集检查覆盖、引用、拒答和版本，再逐步扩充资料并制定维护周期与责任人。
文档数量不是知识库成熟度
一个产品线只有少量正式手册和售后规则，如果版本明确、结构清楚，足以支持第一阶段问答。另一个企业有成千上万个文件，但同一政策存在多个版本、扫描件无法解析、合同与销售口径冲突，直接导入只会让检索结果更混乱。
因此，“有多少文档”只能反映处理规模，不能回答“能解决多少真实问题”。项目范围应从用户任务反推：客服要回答哪些售后问题，员工要查询哪些制度，销售要找哪些产品和报价资料，再确定所需知识。
先建立四类知识边界
| 知识层级 | 资料示例 | 适用入口 |
|---|---|---|
| 公开知识 | 官网服务、产品介绍、公开 FAQ | 官网访客和营销页面 |
| 客户服务知识 | 使用手册、售后政策、故障处理 | 客户客服和工单辅助 |
| 内部协作知识 | 制度、流程、项目模板、培训资料 | 企微或钉钉员工助手 |
| 受限知识 | 合同、报价、客户和财务资料 | 指定角色与项目成员 |
每层资料都要有可见角色和维护责任人。不能因为文件放在同一个网盘目录，就默认所有入口都能检索。客户入口、员工入口和管理层入口应携带不同身份与权限条件。
第一阶段资料准备清单
- 选择一个明确主题，不把全部部门资料一次性入库。
- 保留正式生效版本，给历史和草稿文件标记状态。
- 记录文件来源、负责人、生效时间、失效时间和权限。
- 处理扫描件、复杂表格、图片文字和附件引用关系。
- 收集一组真实高频问题、模糊问题、无答案问题和越权问题。
- 定义知识更新后索引、缓存和旧答案何时失效。
真实问题集比继续上传文件更重要。问题要来自客服记录、员工咨询、销售沟通或历史工单，去除个人信息后用于评测。只用项目组临时编写的标准问题，容易高估上线效果。
判断“够不够”要看四类结果
覆盖结果看高频问题是否有权威资料；检索结果看相关片段能否稳定进入候选；回答结果看是否引用正确版本、是否过度扩展；边界结果看无答案和无权限问题能否拒答或转人工。四类结果都要留样本，不用一个综合准确率掩盖问题。
资料更新频率也影响方案。产品价格和促销规则变化快，应缩短同步和复核周期；制度与合同模板变化较慢，但生效状态更关键。知识库后台需要让维护人看到待复核、已生效和已废弃内容，而不是只提供上传与删除。
如果高频问题仍找不到正式依据，应先补业务资料或确认口径，而不是继续调整模型参数。没有权威来源的问题，系统应明确拒答并给出人工咨询入口。
哪些资料先不要直接进入生产库
未定稿会议纪要、个人聊天记录、未脱敏客户资料、无法确认版本的合同草稿和低质量扫描件，不适合直接参与正式回答。可以先进入待整理区，再建设 企业知识库 RAG；跨部门权限和知识运营可参考 企业知识中台 AI；对外客服问答则应与 AI 客服系统 的转人工和日志一起验收。
