企业知识库 RAG 系统，是让大模型基于企业自己的文档回答问题，而不是凭空生成答案：先把制度、手册、经验文档做成分块索引，提问时先检索相关片段，再让模型基于片段生成回答。它有助于降低大模型缺乏企业依据时的回答风险；RAG 仍可能检索遗漏、引用错配或生成失真，回答需要按检索质量与依据一致性分别评测。本文给出从文档治理到效果验收的完整建设路径。
图：文档治理场景
第一步：文档治理是成败关键
RAG 效果的上限，由文档质量决定。建设前先做三类治理：去重（同一制度的不同版本保留版本、有效日期与废止关系，默认当前有效版；同版本重复内容去重）、分级（机密资料是否入库依据授权、隔离与必要性确定，不写所有机密永不入库或全量统一入库）、标注（明确每份文档的适用范围和更新责任人）。很多项目检索效果差，不是模型问题，而是知识库里堆满了过期文档和重复版本。先花时间治理文档，后面事半功倍。
第二步：分块与索引策略
文档不是整篇丢给模型，而是切成分块再索引。分块大小需要按文档类型调整：制度类适合按章节切，问答类适合按条目切，手册类要保留层级关系。索引阶段要记录每块的来源、版本和权限范围；权限在查询取片段前控制可见范围，并覆盖缓存、摘要、引用原文与导出，删除或撤权需同步索引与相关缓存。
- 文档治理：去重、分级、标注，维护版本、有效日期与废止关系
- 分块与索引：按文档类型分块，记录来源、版本与权限范围
- 授权范围内的查询：权限在取片段前控制可见范围，覆盖缓存、摘要、引用原文与导出
- 混合检索与可选排序：向量检索与关键词检索结合
- 证据检查：确认片段属于授权范围并对应指定文档版本
- 回答带引用，或回答"当前授权范围内未找到可靠依据"并转入人工
权限贯穿检索与引用全链路；引用指向文档版本与片段，而非任意链接。
第三步：检索质量怎么保障
检索是 RAG 的核心环节。常见做法是向量检索与关键词检索结合：向量检索找语义相近的内容，关键词检索提高专有名词（如系统名称、项目代号）的匹配机会，但不能保证不漏：别名、分词、OCR 错误与过滤都会影响。上线前可用 50–100 个真实问题作为试点起点（不是行业验收标准），按业务覆盖与反例扩充，开发调参集与最终评测分开；检索命中率指相关证据是否进入指定 Top-k，召回率需相关文档标注，答案正确性与依据一致性另计，不混为一个分数。命中率不达标，先调文档与分块，不要急着调模型。
第四步：回答生成与引用呈现
生成环节要固定两条规则：一是回答必须基于检索到的片段，检索不到可回答"当前授权范围内未找到可靠依据"，再核检索与版本，必要时人工接手，不强迫所有无依据回复附虚构引用；二是每条回答标注来源文档（文档版本与片段），方便员工核对；检索质量与回答依据分别评测，有引用不直接判定正确。把这两条写进系统设定和验收标准，RAG 系统才有可信度。
以下为抽象文档的假设问答示例，用于说明回答与证据状态，不代表真实产品截图：
| 项目 | 示例内容 |
|---|---|
| 问题 | 公司差旅报销标准是什么 |
| 授权范围 | 全体员工的制度文档，当前有效版本 |
| 命中文档版本 | 《差旅管理制度》V3（2026-01 生效） |
| 引用片段 | 住宿标准：一类城市 600 元/晚 |
| 回答与证据状态 | 基于上述片段回答；如未找到可靠依据，回答"当前授权范围内未找到可靠依据"并转入人工 |
第五步：效果验收与持续运营
验收建议分三层：检索层（命中率、检索召回）、回答层（正确率、拒答率——该说不知道时说不知道）、运营层（知识库更新机制是否有人负责、问答日志是否定期分析补库）。RAG 系统不是一次性建设，知识库必须持续更新，否则一段时间后回答就会过时。
检索与评测原理可参考 Microsoft Azure 文档（https://learn.microsoft.com/en-us/azure/search/retrieval-augmented-generation-overview 、https://learn.microsoft.com/en-us/azure/foundry/concepts/evaluation-evaluators/rag-evaluators ），作为技术对照，不代表瑞铭产品背书。
企业知识问答项目如何对接
企业知识问答项目对接时，先明确文档规模、来源授权、更新责任、使用角色与代表性问题，再逐项确认知识入库、权限继承、检索证据、引用定位与删除撤权等需求。瑞铭智枢的具体支持范围应以当前版本、配置及联调结果为准；通用工作台不能证明已具备全部 RAG 功能。可查看产品与平台栏目，并将待核验能力、接口条件与验收样本写入项目确认清单。