企业 AI 知识库怎么做？从资料准备到效果验收
AI 知识库不只是上传文件。先界定任务，再整理资料、核对来源与权限，用约定的问题测试回答、更新和人工接管，才能判断系统是否适合业务使用。
AI 知识库解决什么问题？
当员工或客户反复询问产品说明、服务流程、办事指南时，知识库问答可以辅助查找授权资料，并组织成便于理解的回答。常见的 RAG（检索增强生成）思路，是先检索相关内容，再将检索结果提供给模型生成答案。它不等于重新训练一个基础大模型，也不保证每次回答都正确。
阿里云百炼的官方文档将文档处理、索引、检索与问答列为知识库服务的组成环节。下面的资料清单与验收方法，是便于业务团队开展项目讨论的建议，不是该平台的强制标准，也不限定使用某一家模型。
第一步：把“做一个 AI”改成具体任务
先写清谁使用、在哪个入口使用、要解决哪类问题。例如，面向售后人员查询已公开产品手册，可以先限定到指定产品与版本；不应把内部价格、未公开合同或其他客户的信息混入对外问答。
明确系统只负责查询和解释，还是需要调用业务接口。查询知识与执行订单、修改资料是不同范围；若涉及业务操作，要单独确定身份、权限、操作确认与失败处理。
第二步：准备一份可维护的资料清单
每份资料建议登记：名称、来源、适用产品或业务、版本、生效或失效时间、维护负责人、可见人群。保留原文，便于回答出现争议时核对。
先处理重复、冲突和过期资料，再检查扫描 PDF、图片表格、页眉页脚等是否正确解析。结构复杂的表格应抽查字段与对应数值，不能只看文件显示“上传成功”。对重要结论，记录原文在哪一段，便于后续测试引用。
第三步：让回答有依据，也能承认资料不足
回答最好能定位到支持结论的原文，并说明适用版本。显示一个来源链接仍不够：要检查原文是否真的支持该句话，是否漏掉了条件和例外。
资料没有答案、不同版本冲突、问题超出服务范围时，应提示需要补充信息或转人工。让模型猜一个看似完整的答案，可能比明确说明无法确认更难维护。是否展示文件名、段落或页码，取决于资料解析和产品实现方式。
第四步：用约定的样题验收，不只看演示
准备一组来自真实工作的问题，写下预期结论与参考资料。至少覆盖：能够直接查到的问题、需要补充条件的问题、资料中没有答案的问题、引用过期资料的问题，以及试图获取无权查看内容的问题。
每条记录问题、用户身份、预期结果、实际答案、实际引用和通过与否。分别统计答案正确、引用支持、越界处理和资料更新表现；响应时间也应记录测试环境与并发条件。不要只用一个笼统“准确率”，也不应把一次演示成功当成全场景可用。
例如，产品手册已经更新了续航条件，测试应确认新答案包含新条件、旧版本不再被默认采用。此为测试示例，不是已交付客户案例。
上线前还要确认什么？
确认资料和模型调用会经过哪些系统、哪些内容允许发送到外部服务；按用户身份验证可见范围。日志是否记录原文或个人信息、保留多久、谁能查看，也应在实施时说明。
交付清单建议包含：资料范围、功能入口、权限规则、测试记录、资料更新方法、人工接管方式、费用组成和维护责任。先用一个边界清楚的任务做小范围验证，再决定是否扩大范围。
可复制的项目需求简表
使用人群：
需要解决的前三类问题：
已有资料及版本负责人：
允许使用的资料范围与不可外发内容：
网站、企业内部系统或其他使用入口：
是否需要登录、接口与人工接管：
预期验收样题与维护负责人：
填写时先用资料目录描述需求，未确认接收方式前不必发送内部文件。
常见问题
企业 AI 知识库一定需要微调模型吗？
不一定。可以先评估检索增强生成、提示设计与应用集成能否解决任务，再根据测试结果判断是否需要微调。选择取决于问题、资料、成本与维护要求。
上传了全部资料，回答就会更准确吗？
不一定。重复、过期、相互冲突或解析错误的内容会影响检索和回答。先明确资料范围、版本与适用条件，再用业务问题验证效果。
知识库验收应该由谁参与？
建议由熟悉业务的资料负责人、实际使用者与实施人员共同参与。业务人员核对结论和条件，实施人员核对检索、权限、更新与错误处理，并保留测试记录。