RAG 知识库怎么建？需要多少文档？

RAG（Retrieval-Augmented Generation）= 向量检索 + 大模型，目的是让大模型回答时基于企业私有知识、而不是凭空编造。知识库建设分四步：文档收集 → 文档切分 → 向量化入库 → 检索召回调优。

文档量的经验值

• 50–200 篇：覆盖入门级问答（产品介绍、常见问题、售后流程）
• 500–2000 篇：客服级别（含操作手册、故障排查、版本更新日志）
• 5000+ 篇：专家级（含合同、法规、技术标准、历史工单）

文档准备关键点

• 格式统一：Word / PDF / Markdown 优于纯图片扫描件（需 OCR 预处理）
• 结构清晰：有 H1 / H2 / H3 层级，便于智能切分
• 版本可控：标注创建时间、更新时间、适用范围，防止检索到过期信息
• 敏感信息脱敏：身份证、手机号、合同金额等

聚匠能做什么

聚匠可承接 RAG 知识库全流程服务：文档预处理（清洗 / 切片 / OCR）、向量库搭建（Milvus / Qdrant / PgVector）、混合检索（BM25 + 向量）调优，以及知识定期刷新机制。