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。这样 AI 的回答依据的是你自己的资料，而不只是它的通用知识。这篇入门教程会讲清它适合什么时候用、具体怎么操作，并给出可以直接复制的提示词。

个人知识库 RAG 是什么，为什么有效

简单说，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。与直接向通用 AI 提问相比，通用 AI 回答范围广，但不了解你的私有资料；个人知识库让回答基于你的资料并可追溯，但需要整理和维护资料。

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。

什么时候适合用

  • 积累了大量文档、笔记和资料，查找困难。
  • 需要基于公司制度、产品手册回答问题。
  • 学习某个领域，想基于自己收集的资料提问。
  • 团队需要一个可以随时查询的内部资料助手。

怎么用：6 步上手

  1. 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. 整理资料：删除过时和重复的内容，统一格式，注明日期。
  3. 上传或导入资料，确认工具能正确读取。
  4. 用一组已知答案的问题测试检索和回答的准确性。
  5. 要求回答附上出处，并允许“资料中没有”这样的回答。
  6. 定期更新资料，删除过期内容，并复查回答质量。

可直接复制的提示词

下面以直播运营的工作场景为例，方括号里的内容换成你自己的信息即可：

请只根据知识库中的资料回答以下问题：
问题：[关于“大促专场直播”的具体问题]
要求：
1. 先给出简短回答，再给出依据；
2. 每条依据注明来源文档名称和位置；
3. 资料中没有相关信息时，直接回答“知识库中没有找到相关内容”，不要用通用知识补充；
4. 如果不同文档的说法不一致，列出各自的说法和文档日期。

效果示例

以下内容为虚构示例，仅用于说明效果：

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”。

新手最常犯的两个错误

  • 容易犯的错：把所有资料不加整理就导入。更好的做法：删除过时、重复和无关的资料，知识库质量决定回答质量。
  • 容易犯的错：不要求注明出处。更好的做法：要求每条回答附上来源，便于核对。

上手后的小技巧

  • 资料文件名和标题写清楚，检索和引用会更准确。
  • 每份资料注明日期，便于判断是否过时。

一个常见疑问

需要会编程吗？ 不一定，很多 AI 助手和笔记工具支持直接上传文件提问；自行搭建则需要一定的技术能力。

知识库和本地模型的效果很大程度取决于资料质量。资料越整洁、越新，回答就越可靠。

下一步

入门之后，可以看看个人知识库 RAG 的进阶技巧和常见错误，再结合文档切分整理一起使用。

相关阅读