可以这样理解：不是把知识“硬塞进”智能体的大脑，而是给它配一个“图书馆”，再教它怎么查资料、怎么引用资料。最常见做法叫“检索增强生成”，通俗说就是：先建知识库，智能体回答前先去知识库里找相关内容，再组织语言回答。
具体可以分几步：
1. 收集资料。把说明书、FAQ、业务文档、网页、表格、聊天记录等收集起来。资料越准确、越贴近实际使用场景，效果越好。
2. 清洗整理。去掉重复、过期、错误内容。统一格式，比如标题、正文、更新时间、适用范围。最好给资料打标签，方便以后按部门、产品、地区检索。
3. 切分内容。长文档不要整篇塞进去，要切成小段，比如按章节、段落、问答切分。每段保留上下文和标题，避免切得太碎导致意思不完整。
4. 转成“可搜索”的形式。把每段文字变成向量，存进向量数据库。通俗说，就是给每段知识做一个“语义指纹”，以后用户问相近意思的问题也能找到。
5. 接入智能体。用户提问后，智能体先去知识库检索最相关的几段内容，再结合这些内容回答。还可以要求它标明出处，找不到就说找不到，不要乱编。
6. 设计提示词和规则。告诉智能体：优先查知识库，回答要简洁，引用来源，遇到权限外内容要拒绝，遇到不确定问题要转人工。
7. 测试和迭代。准备一批真实问题，看它回答准不准、全不全、有没有胡编。把错题记录下来，补资料、改切分、调检索数量，反复优化。
8. 持续更新。知识库不是建完就结束。要定期更新过期内容，删除错误内容，记录用户常问但知识库没有的问题，再补充进去。
如果只是想让智能体“知道公司资料”，一般不需要重新训练大模型，用“知识库检索”就够了，成本低、更新快。只有当你希望它改变说话风格、固定业务格式、掌握大量相似任务时，才考虑“微调模型”。微调更像训练它的习惯，知识库更像给它查资料。两者可以配合，但大多数场景先用知识库更划算。
一句话总结：建知识库就是“整理资料、切小块、做索引、让智能体先查再答、持续评测更新”。 |
|
