个人 AI 知识库 RAG 入门不难，难的是在复杂任务里稳定发挥。理解原理是关键：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。

知识库的效果有一个朴素的规律：垃圾进，垃圾出。很多人搭了知识库觉得效果不好，问题往往不在技术，而在资料：过时的版本和新版本混在一起，重要信息藏在图片里，文件名毫无意义。花时间整理资料，比调整任何参数都更能提升效果。

技巧 1：资料文件名和标题写清楚

资料文件名和标题写清楚，检索和引用会更准确。这一条在团队协作中尤其有用。

技巧 2：每份资料注明日期

每份资料注明日期，便于判断是否过时。建议先在一个小任务上试用，确认效果后再推广。

技巧 3：长文档按章节拆分

长文档按章节拆分，检索更精准。适合在任务较复杂或要反复使用时采用。

技巧 4：把常见问题和答案也放进知识库

把常见问题和答案也放进知识库，提升回答质量。这一条在团队协作中尤其有用。

技巧 5：定期查看“没有找到”的问题

定期查看“没有找到”的问题，补充缺失的资料。适合在任务较复杂或要反复使用时采用。

一个进阶场景

举个虚构的例子：一位老师把多年积累的教案、课件说明和学生常见问题整理成个人知识库。备课时她问“讲分数时学生最容易混淆的地方有哪些”，AI 从她过去的教学笔记中找出了三条记录并注明出处。这些都是她自己的经验，只是以前散落在不同的文件里，很难找到。

资料更新了怎么办？ 删除或替换旧版本，避免新旧版本同时存在导致回答矛盾。

进阶模板

下面的模板综合了以上技巧，可以按 HR 等不同场景替换内容：

知识库测试集设计：
| 编号 | 问题 | 标准答案 | 应该命中的文档 | 类型 |
类型包括：
- 直接查找：答案在某一处原文中
- 综合：需要合并多个文档的信息
- 无答案：资料中没有，期望回答“没有找到”
- 冲突：不同文档说法不一致
测试指标：命中正确文档的比例 / 回答正确的比例 / 无答案时是否拒答
每次更新资料或调整设置后重新运行测试集

进阶使用时仍要避免

  • ✗ 把敏感资料上传到不了解的服务。 ✓ 了解工具的数据政策，敏感资料考虑本地方案。
  • ✗ 从不测试检索效果。 ✓ 准备一组已知答案的问题，定期测试。

可以组合的技能

  • 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。
  • 语义搜索：语义搜索是用向量嵌入（Embedding）把文本转换成能表示含义的数值向量，再按含义的相似程度查找内容。

进阶之后

当个人知识库 RAG 已经用得很顺手，可以思考如何把它固化下来：写成模板、放进自定义助手，或者和专属助手结合成固定流程。进阶的终点不是写出更复杂的提示词，而是让好结果变得可重复。

相关阅读