知识库文档整理与切分+个人 AI 知识库 RAG：组合使用的实操方法

知识库文档整理与切分单独使用已经很有用，但在复杂任务里，和个人 AI 知识库 RAG 组合起来效果更好。这种组合尤其适合需要反复打磨的任务。

两个技能各自负责什么

文档切分整理：文档切分是在搭建知识库时，把长文档按合理的单位拆成较小的片段，例如按章节、段落或问答对，并为每个片段保留标题、来源和日期等信息。
个人知识库 RAG：个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。

文档切分整理有效是因为检索系统按片段查找相关内容，片段太大会混入无关信息，太小会丢失上下文；按内容结构合理切分，并保留元信息，能让检索更准、回答更完整；个人知识库 RAG 有效则是因为通用模型不了解你的私有资料，直接提问容易得到泛泛的回答或编造；检索增强让 AI 先找到相关原文，再基于原文作答，答案更准确，也能追溯出处。两者叠加，正好互补。

组合流程

（文档切分整理）先整理文档：统一格式，删除页眉页脚、目录等噪音。
（文档切分整理）控制片段长度，保证每个片段能独立表达一个完整意思。
（个人知识库 RAG）整理资料：删除过时和重复的内容，统一格式，注明日期。
（个人知识库 RAG）用一组已知答案的问题测试检索和回答的准确性。
（收尾）用测试问题检查检索效果，根据结果调整切分方式。

组合模板

以财务的场景为例，先用下面的模板完成文档切分整理部分：

切分策略对比测试：
| 策略 | 说明 | 适合的文档 |
| 固定长度 | 按字数切分，有重叠 | 结构不清晰的长文本 |
| 按标题 | 按章节层级切分 | 手册、制度、规范 |
| 按段落 | 每段一个片段 | 文章、报告 |
| 问答对 | 每个问题和答案一个片段 | FAQ |
测试方法：用同一组测试问题，比较各策略下“检索到正确片段”的比例，选择最优策略；不同类型文档可以使用不同策略。

然后再按个人知识库 RAG 的思路补一轮，例如：资料文件名和标题写清楚，检索和引用会更准确。

示例

以下为虚构示例：

示例（虚构）：一份员工手册原本被按固定字数切分，提问“年假怎么计算”时，检索到的片段一半是年假规定，一半是病假规定。改为按标题切分并保留“第三章假期 > 年假”的标题路径后，检索结果准确多了。

组合之后，个人知识库 RAG 这一环的价值在于：知识库的效果有一个朴素的规律：垃圾进，垃圾出。

组合使用时的注意事项

记录每次调整切分策略后的测试结果，便于比较。
把所有资料不加整理就导入。应对方法：删除过时、重复和无关的资料，知识库质量决定回答质量。
两个技能叠加会让提示词变长，先确认单独使用时各自有效，再组合。

本地模型和知识库类技能更偏技术，但入门门槛正在降低。关键是先想清楚数据放在哪里、谁能访问。

组合的顺序为什么重要

一般先用能确定方向的技能，再用负责打磨的技能。顺序反过来，就可能在一个方向错误的初稿上花大量时间润色。对财务来说，先把费用分析报告的方向定下来，再精修细节，是最省时间的顺序。