一个人、零预算，我们把公司知识库做成了会引用来源的问答系统

从「AI 能不能做」到「能不能上线」，隔着十几个决定。

我给一家做护肤品的公司做了个RAG知识库骨架。需求很朴素：把产品资料、渠道政策、培训话术收进一个能问的东西，给业务同事用。听着是「接个大模型就行」，动手才发现卡住项目的从来不是模型。

先把话说在前面：现在这套东西是一台电脑上能跑起来的骨架，不是上线状态的服务。电脑一关就没人能访问，也没有备份。它的作用是把路走通、把坑标出来。这套骨架暂时不开源：里面挂着真实业务资料、权限规则和合规口径。

01 先别选技术，先攒四样东西

第一个决定是不写代码，先攒一份考卷：把同事真会问的三五十个问题列出来，每题写上正确答案、答案出自哪份文件第几页。有了它，改完跑一遍才知道是变好还是变坏；没有它，只能凭感觉说「好像变好了」。

另外三样同样便宜：资料做减法（先只放二三十篇有代表性的）；第一天就给每份资料贴标签——哪个版本、什么时候生效、归哪个部门、能给谁看。标签不埋进去，将来开放给员工时得推倒重来；以及提前定好「查不到时怎么回答」。

考卷里要故意放几道「库里根本没有答案」的题——那才最容易出事故。

02 技术上做了什么，三个比喻

第一步是把资料撕成卡片。不按字数硬切，按章节切：一本员工手册变成一叠小卡片，每张顶部写着属于哪一章。关键是——价格表不能撕成半截。几十行的表被切成两半，剩下那半截只有「1000 以上 900」，谁也看不出是哪个版本。

第二步是两个人同时翻卡片。一个认字：问型号编码、条款号，他找得最准；一个懂事：问「多少钱」「年费怎么算」「价格」，他知道是同一回事。问「某版本 1000 席以上一年多少钱」，认字的把那张价格表排第一，懂事的排第四——语义相近的其他报价卡片更多。两个名字都出现过的卡片才浮到最前面，最后再让一个模型把候选逐条打分，挑出前几段。这就是「关键词那一路」不能省的原因。

图 1 · 落到工程上是这样

图 2 · 用刚才那道题举例

第三步是只准照着卡片回答。递给模型的就那几段资料，每条结论标是第几张卡片给的，数字和日期照抄不许换算；卡片里没有，就回答「资料里没有」，不许它用自己的记忆补。整条链路是自己写的几百行 Python，没上重型框架——出了问题要能一眼看出是哪一环。

图 3 · 左边带引用的回答，右边两路各自的名次（演示数据）。

03 最难的一环，和最便宜的一环

最难的是读文件。中文 PDF 双栏排版、图片版扫描件、带合并单元格的参数表，处理不好，后面再先进都是垃圾进垃圾出。我们没有独立显卡，就把这段外包给按页计费的解析服务，自己只做「转成 Markdown、把页码标回去」。

最便宜的反而是模型调用：一次性费用个位数人民币量级，一次问答几分钱以下。真实成本全在人身上。

04 谁能问什么，和谁问过什么

门店导购不该看到折扣档位表和渠道政策，这跟「他问不问得到」是两件事。早期版本是页面上自己勾「我要看哪些范围」——等于没有权限。改成账号 → 角色 → 可见范围三层后，请求里自己声明的范围一律无效；管理员点停用的那一刻，对方正在用的会话立刻失效。每次问答还留一条记录：谁问的、命中了哪几张卡片、用的什么模型。

图 4 · 同一道题两种身份各问一遍，橙色标签就是权限位。

图 5 · 管理员侧：建账号、改角色、停用即刻生效。

05 一个应急决定，暴露五个真问题

中途有段时间密钥没到位，模型跑不了。我做了个应急决定：系统只做检索，把召回结果导出，由人照着卡片作答并判分。分数不难看，值钱的是顺手暴露的五个问题：

① 每份资料开头那句「本文件用于…」在抢第一名。它单独成卡、什么信息都没有，却因为字少总排最前，把真有答案那张挤到第二。

② 大表全挤在一张卡片里。答案在里面，但要模型在十几行几乎一模一样的行里挑对那一行，错一行就是报错价事故。

③ 考卷自己出错了。一道档位判断题，我写的标准答案就是错的档位。教训：每题必须附原文出处，否则考卷本身就会把系统教歪。

④ 格式范例是编造的种子。资料里顺手写了句「编号形如 ××××号」，模型就可能照模板吐一个不存在的编号。缺的字段要么补齐，要么连格式都别给。

⑤ 「没有就说没有」全靠一句提示。最危险的一题是问明年报价，翻出来的全是今年那张表——顺手答错的概率接近百分之百，而当时没有机制拦它。

06 知识库不是堆积文档，是「说得对」

最大的收获反而不在技术上。我们这行对宣传用语有硬性规定：什么功效必须先做正式评价、哪些词一出现就踩线、标签必须写全哪十项。而网上一大堆教程还在引用废止的旧分类——同事脑子里那个答案，本身可能就是错的。所以我把这些边界写进正文，让答案自带刹车；查不到的（价格、编号、渠道政策）一律留白写「待补」——编出来的比空白危险得多。

07 那能上线吗？还不能

模型这一环后来用真实密钥跑通了，问答链路是通的。但「能跑」离「能上线」还差四件事：

还有一条要诚实说：成体系的评估数字还没沉淀下来。第 05 节那轮是人代模型跑的，判分者就是作答者，还提前看过标准答案、只能算把坑标出来，不算效果证明。下一步是拿这套考卷在真实模型上重跑，得到第一个可信命中率。

08 如果你也在同样的处境里

① 别问「AI 能不能做」，先问「我能不能判断它答对了」——答案是考卷，不是选型。

② 标签第一天贴，权限第一天设，中文资料别省关键词那一路——晚做的代价是重做。

③ 先把中间态做成能看见的界面，再优化模型——看不见过程就只能赌结果。

④ 上不上线不是技术决定，是「我有数字吗」和「我承担得起答错吗」同时有答案那天。

09 后续需求：入口不止一个

对外客户交付必须是网页；内部同事更适合挂在飞书这类 IM 里——身份自带、少记一个密码、答案回到工作流。检索层要按前端分别出接口：网页带会话登录态，IM 走回调、把引用回写成卡片。

文中公司、品牌、产品、价格与业务数据均已脱敏；法规口径以监管部门现行文本为准，本文不构成合规或法律意见。