过去一年，我们为零售、制造、法律等多个行业交付了企业级 AI 知识库。一个反复被验证的事实是：技术不是知识库项目的瓶颈，治理和运营才是。这篇文章把我们踩过的坑和解法整理出来。

为什么大多数知识库项目会失败

我们见过太多这样的场景：企业花几十万买了"智能知识库"，上线三个月后问它任何问题，答案要么过时、要么答非所问，最后无人问津。原因几乎都出在四个环节：文档没人维护、切分策略粗暴、上线前没有评测标准、上线后没有运营机制。

第一步：先治理，再上 AI

  • 责任到人：每一类文档指定唯一 Owner，过期内容有明确的下架机制；
  • 版本管理：制度类文档必须有版本号和生效日期，否则 AI 会把作废条款当现行制度回答；
  • 入口统一：宁可先收窄范围（只接制度 + 产品手册），也不要一上来就全公司文档大杂烩。

第二步：切分与索引策略决定上限

我们采用两级语义切分：先按文档结构解析出段落，保留标题层级（heading_path），再在段内按语义块切分（256 tokens、32 重叠）。这让每一条知识都带着"我在哪个章节"的上下文，回答时可以精确引用到"《报销制度》第一章第 3 节"。

第三步：上线前先建评测集

让业务方收集 50~100 个真实问题作为评测集，标注标准答案和来源文档。每次调整切分参数、更换模型、修改提示词，都跑一遍评测集。没有这个基线，"感觉变好了"和"真的变好了"之间隔着无数次的返工。

第四步：知识库是产品，不是项目

上线只是开始。我们给每个知识库都配了三件运营工具：未命中问题自动沉淀清单（每周认领补充）、问答日志驱动的坏例回流、以及面向业务方的效果看板。知识库的准确率不是验收那天最高的，而是运营得最好的那天最高的。