模型只占一半,另一半是喂进去的内容对不对、全不全、检索能不能命中。知识库脏就乱答。

🦩 第 10 篇 · 2025 年 12 月 1 日
做了 AI 客服和 AI 助理之后,我踩过最多的坑只有一个:AI 答得不对,不一定是模型不够强,大半是喂进去的知识库本来就不干净、不完整、不好检索。 这篇把搭知识库的坑和正确姿势讲清楚。
一句话
AI 答得准不准,模型只占一半,另一半是"喂给它的内容对不对、完整不完整、检索能不能命中"。知识库质量不过关,模型再强也是在乱答。
知识库常见的四类问题
- 内容不对:答非所问的根源 知识库里的文档写的是"公司内部话术",不是"客户能看懂的回答"。AI 学的是一套,说出来是另一套。
- 内容不全:有答案但找不到 常见问题没写完整,AI 只能靠"猜"补全,答得似是而非。知识库要覆盖"客户真的会问的高频问题",不是堆一堆内部文档了事。
- 检索不到:chunk 分块不合理 文档很长,切 chunk 的时候把"问题"和"答案"切到了不同的块里。检索的时候只能命中最相关的那一块,另一块没被召回,答出来不完整。
- 过期了:知识库没有更新机制 业务变了但知识库没同步,AI 还在用旧答案。知识库必须有版本管理、更新触发和下线机制。
落地要点
- 知识库的内容要按"客户视角"写,不是内部文档 先梳理"客户真的会问什么",再按这些问题组织答案结构。FAQ 形式最稳:问题 + 简洁答案 + 补充说明。避免大段文字堆砌。
- 先覆盖高频,再补长尾 先把 80% 的高频问题答准,高频覆盖住后,用户感知就已经很好了。长尾问题一点点补,不要求一步到位。
- chunk 分块要保证"语义完整" 一个 Q&A 不要跨 chunk,一个步骤的完整说明不要切断。按语义单元分块,不按固定字数切。
- 检索层要做同义词和纠错 客户问"桶装水怎么计费"和知识库里"桶装水计价方式",检索层要能对上。同义词扩展、Query 纠错这些在检索层做,不要靠模型补。
- 知识库要有生命周期管理 谁负责更新?更新的流程是什么?过期内容怎么下线?这些运营机制比技术更重要,没有运营机制的知识库最终都会变成"脏数据仓库"。
- 用 RAG 但别全靠 RAG RAG(检索增强生成)是知识库 + 模型的好姿势,但 RAG 检索命不中的时候,模型会乱答。关键答案必须能命中,RAG 只是增强不是兜底。
踩过的坑
- 以为"把文档扔进去就行":没有按客户语言组织、没有同义词层,检索命中率很低,AI 答出来的都是"根据您提供的文档…“但文档根本没命中。
- 用内部话术当知识库:内部说的和客户听到的不一样,AI 学的是内部语言,客户根本听不懂。
- 没有更新机制导致答错:业务改了(比如价格/政策),知识库没同步,AI 还在用旧答案答新问题,比不答更伤客户。
对真实场景的思考
搭知识库本质是**“把业务经验翻译成 AI 能消化、检索、复述的知识”**。这件事技术含量不低,但更多是业务理解:知道客户真的会问什么、正确答案是什么、怎么表达他们才听得懂。用 OpenClaw 这类底座搭,RAG 层和检索层都可以在底座实现,但知识库内容的组织和更新,是要靠人持续运营的——业务专家和 AI 的配合,知识库是关键接口。
一句话总结:AI 答不准,一半是模型弱,另一半是知识库本身:内容对不对、全不全、能不能检索到、有没有更新机制。这四项过了,AI 答对率才能真正上去。
延伸阅读
- 办公 Agent 想落地,先啃会议和流程两座山
- 本地生活门店的 Agent 团队,一次真实复盘
- 本体论:让 AI 理解业务而不是背答案
- 别急着做 AI 早报,先核对落地三环
- 别再堆 MCP 和 Skills,工具越多越乱
- 不是急着做AI和人的分工不是谁,是先核对AI落地
- 不是一岗配一 AI,我收敛成几个 Agent
- 餐饮后厨前厅供应链,AI 让每环少操心
- 餐饮老板要的 AI,是少请几个帮工
- 从本体论到知识图谱,三层架构怎么搭
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
继续读
同栏目相关文章,方便对照着看。
AI落地这条路,我为什么一直走下去
不是因为它热。踩过的坑越多越确认:AI只有放进真实业务跑,才知道哪些是真需求,先看AI落地。
AI 落地和创业一样,都要算清 ROI
上项目时轰轰烈烈,上完算账发现是负的。AI 落地不是技术选型,是商业决策,先算 ROI。
AI落地效果怎么衡量:北极星加配套指标
没有指标,AI运营要么靠感觉,要么靠注水的汇报。一个北极星指标加六个配套,价值才可量化,先看AI落地。
不是急着做AI和人的分工不是谁,是先核对AI落地
员工最怕被取代。真实落地里,花时间最多的不是调模型,是处理人和AI的关系与信任,先看AI落地。
Agent 架构设计:几张卡片把系统搭清楚
系统越复杂越容易乱。每个角色先写一张卡片,职责、边界、入口、出口说清,再往代码里落。
