RAG（检索增强生成）几乎是企业 AI 的标配。搭一个能跑的 Demo 很快，但我见过太多知识库上线一个月后就无人问津。差距主要在下面几处。
切块不是越小越好
按固定字数切块，经常把一条完整的规则切成两半。更好的做法是按语义结构切：标题、条款、问答对各自成块，并给每块附上所属文档、章节等元数据。
混合检索比纯向量检索更稳
向量检索擅长理解「意思」，但对型号、SKU、专有名词这类精确匹配很弱。关键词检索 + 向量检索 + 重排序的组合，能明显减少「明明有答案却没搜到」的情况。
回答必须能溯源
一线员工不会盲信 AI。每个回答都要标出引用来源，点开就能看到原文。可溯源是建立信任的第一步，也方便发现和修正错误知识。
让知识库「活」起来
知识库最大的敌人是过时。几个实用的机制：
- 文档更新后自动重新入库
- 记录「没答上来」的问题，定期补充知识
- 员工可以一键反馈「答案有误」，形成闭环
权限要从第一天就设计
财务、人事、客户数据不是所有人都能看。检索阶段就要按用户权限过滤，而不是生成之后再遮挡。
好的知识库，衡量标准只有一个：员工遇到问题时，第一反应是去问它。