个人 AI 知识库 RAG 单独使用已经很有用，但在复杂任务里，和知识库文档整理与切分组合起来效果更好。下面讲清两者如何分工、按什么顺序使用。

两个技能各自负责什么

  • 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：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 有效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；文档切分整理有效则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。两者叠加，正好互补。

组合流程

  1. （个人知识库 RAG）选择工具：支持上传文件的 AI 助手、笔记工具的 AI 功能或自行搭建。
  2. （个人知识库 RAG）上传或导入资料，确认工具能正确读取。
  3. （文档切分整理）按文档结构切分：优先按标题和章节，其次按段落。
  4. （文档切分整理）为每个片段添加元信息：文档名、章节标题、日期、页码。
  5. （收尾）定期更新资料，删除过期内容，并复查回答质量。

组合模板

以健身教练的场景为例，先用下面的模板完成个人知识库 RAG 部分：

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

然后再按文档切分整理的思路补一轮，例如：把标题路径写进片段内容中，能明显提升检索准确率。

示例

以下为虚构示例：

示例（虚构）：一位律师把常用的法规整理和办案笔记导入个人知识库。提问“某类合同的审查要点”时，AI 列出了要点并注明来自哪份笔记，其中一条笔记标注的是较早的日期，AI 提示“该笔记可能需要根据最新规定更新”。

组合之后，文档切分整理这一环的价值在于：切分的目标是让每个片段“自己能说清楚自己是什么”。

组合使用时的注意事项

  • 定期查看“没有找到”的问题，补充缺失的资料。
  • 直接按固定字数切分所有文档。应对方法：优先按文档结构切分，保持语义完整。
  • 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。

处理私有资料时，数据安全和效果同样重要。先确认资料的敏感程度，再决定用云端工具还是本地方案。

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。对健身教练来说，先把训练计划的方向定下来，再精修细节，是最省时间的顺序。

相关阅读