从零开始搭建知识库 · EP01 · 基础篇（系列首发，长期连载）
一个实测出来的结论
在阿里云百炼上跑企业知识问答，现在大家都会先想到"把文件传给模型"。2026 年这已经是标准动作。但我在百炼 CLI 上用 qwen3.8-max 做了三组对照实验，结论是：
"传文件"这个动作本身有三个工程缺口，而这三个缺口恰好定义了企业知识库该干什么。
对做企业落地的团队，这个结论有直接意义：知识库项目的价值不是"让模型能答"，而是把传文件动作里的缺口系统性地填掉。方向搞清楚，预算才不会花错地方。
三组实验，一分钟看完
问题域：企业差旅制度问答。工具：百炼 CLI（bl）+ qwen3.8-max。统一提问模板，自变量只有贴入的制度文本。
| 组 | 注入内容 | 模型表现 |
|---|---|---|
| E1 | 制度标准条款（抽掉流程条款） | 标准答对；流程部分拿行业常识静默补全，输出无法区分来源 |
| E2 | 制度全文（对照） | 完整推理链：450 标准、超标 100、OA 双签审批、30 日时限全推对 |
| E3 | 2023 旧版制度（上限 600，新版 450） | 逐项尽职核对后放行"可全额报销"，全程零版本质疑 |
E1 值得展开。模型在流程问题上先承认"制度中未明确例外流程"，然后拿行业常识补齐了发票、付款记录等材料清单（reasoning 原话："制度没细说，但可以建议"）。模型对注入内容的覆盖缺口没有告警机制，员工拿到的回答里，制度事实和模型常识混在一起，无法验证。
E3 是企业落地更该警惕的形态。它核对了城市分类、含税价、单人单晚、时限，甚至提醒"601 就超标"，然后按作废标准放行了一笔订房。损失推演：一晚自贴 150。模型只对自己生成的内容负责，不校验你输入的文件时效。这个缺口，只有把权威知识源接进系统才能补上。
从"传文件"到知识库：百炼的能力路径
手动传文件有效，但撑不起企业使用：每次要传、换对话即忘、无法团队共享、版本不受控。而且最根本的问题是：员工往往不知道答案藏在哪个文件里，报销的答案横跨制度 PDF、OA 公告、群公告，谈何传全。
把它工程化就是 RAG：存（多源文档入库建索引）→ 找（跨文件检索召回）→ 答（生成）。百炼平台在这条路径上的能力是齐的：控制台建知识库、bl knowledge retrieve 命令行检索（支持稠密/稀疏双路召回和重排）、bl app call 挂知识库管道的应用调用。本系列第二篇开始逐一实测这条路径，从建第一个库到跑通第一问，15 分钟。
再往后，系列会走到行业前沿：Agentic RAG（智能体自主决定检索策略）、Karpathy 今年 4 月提出的 LLM Wiki 范式（把"每次现查"改成"知识编译"，中文技术圈已讨论了四个月）、Graph RAG 与视觉检索。每一期都基于百炼能力实测。
写在系列开头
这个系列定位长期连载：基础篇（EP01-04）→ 进阶篇（EP05）→ 范式篇（EP06-07）→ 前沿篇（EP08-09）→ 实战篇（EP10 起）。实战篇从一个小微企业客服知识库系统开始：客服答案散落在产品页、售后文档和运营的 Excel 里，新人翻十分钟聊天记录找不到，用一条知识库链路解决，并横向对比 Dify、FastGPT、RAGFlow 等开源方案与百炼路线的取舍。
对在百炼上做企业落地的开发者，这个系列可以直接当能力地图用。对内容团队，它是一个"认知填充"式的科普连载：用相对易懂的语言，把知识库这件事从零讲透。
