给AI喂质料那件事知识www.abg11.com。卡点很少正在模子上。
上周帮一家做工业设备售后的团队搭知识库，他们把三年积累的两万条工单塞进背量数据库，回覆精确率不到四成。成绩出正在数据自己，库搭统一台设备正在文档里被写成“XX-200”“XX200”“200型”三种叫法，检索时互相不认。科技工具再强，也救不了净数据。脱手前先做清洗。把PDF、Word、群聊记载统一转成纯文本了，建实净数据清检索去掉页眉页脚和重复水印。按语义切块，不要按固定字数硬切是一份操做手册里，“安然正告”和“参数表”必须分隔的，否则模子会把正告当参数念给用户听。
每个块加上滥觞、操从程设备型号、生效日期那些元数据。后面过滤时能免却年夜量无效召回。我给客户定的切块长度是400到600字，堆叠80字。实测比一刀切1000字混合的效果好很多。检索环节别只靠背量。AI语义婚配擅长找“意义附近”的，对型号、编号、专有名词经常翻车。把很重要词检索和背量检索并止跑，缺流各自取前20条的，再用重排模子兼并打分排序了。
那套组合正一家医疗器械公司的AI知识库上。把首条射里面率52%拉还有79%。价格呢？多花不到200毫秒。
知识库不是建完就完事。设个每周巡检。
统计零功效查询词了，倒推缺了哪些文档呢？把用户点“没用”的回覆捞出来，看是切块断了上下文。仍是本文自己过时。有个做跨境电商的客户，靠那份清单两个月补了三百多条FAQ，客服转人工率降了三成。工具选型反而简单的，Dify、FastGPT、RAGFlow都能起步，实正拉开差距的是你愿不情愿每周花两小时服侍数据。
