← 返回概念解读

Concept Fable精修版

知识库问答

Knowledge Base Q&A, KBQA, RAG Q&A · Enterprise AI application / Retrieval

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

问事窗口学会先翻证据再开口

城中问事馆收藏各铺手册、契约和旧告示。客人来问保修、退货、尺寸,馆员必须先找证据,再答话。

早年馆员凭记性答,速度快,却常把旧规当新规。一次客人按旧退货期上门,铺子拒收,双方吵到衙门。馆长这才要求每个答案都指向具体册页。馆长第一次规定“必须引用册页”后,馆员只是把页码挂在答案末尾。客人看见有出处,以为可信,实际仍可能引用错页。

第一版新规也不稳。学徒找到包含关键词的一页就照抄,结果问‘雨天靴能否退’时,只找到了普通靴条款,漏掉雨具附页。答案看似有凭据,仍没答对问题。那次雨天靴纠纷后,馆员复盘发现,关键词“靴”把他们带到普通条款,而客人的重点其实是“雨天使用后的退换”。

后来问事馆改成三步:先把客人的问法改成可查的线索,再从书架取回相关册页,最后按册页组织成能听懂的回答。若证据不足,就明说查不到,不装作知道。三步法也有边界。若书架里的手册本身过期,或者相关册页互相矛盾,馆员必须先标出冲突,不能硬凑一个顺口答复。

馆长还要求答案开头先对准问题。若客人问能否退,就先答能或不能;证据随后列出。找材料和组织回答缺一件,客人都得不到真正帮助。

问事馆还保留“不知道”的牌子。若证据找不到,馆员宁可请客人稍候,也不凭记忆编答案。基于资料回答的信誉,常常来自承认资料不足。

后来问事馆新增手册时,也会先切成可查片段,标上版本和适用范围。资料若没有整理好,三步法第一步就会偏;答复的可靠,取决于书架和问法一起可靠。

问事馆的信誉慢慢回来。会答问题不只是会说话,更要会找对材料、读对上下文,并让客人看见答案从哪里来。

揭示

这个故事讲的是:知识库问答

Knowledge Base Q&A, KBQA, RAG Q&A 是把企业文档、制度、产品资料和业务知识接入检索与生成系统,让用户用自然语言获得带依据的答案。典型流程包括文档解析、切分、索引、权限过滤、检索、重排、答案生成、引用展示和反馈运营。企业落地重点是知识质量、版本管理、权限、引用可信度、拒答策略和评测闭环。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 问事窗口:企业内部或客户知识问答入口
  • 老客服记性:人工知识服务
  • 会说话的机器乱答:无检索约束的 LLM 问答
  • 塞进提示词:不可扩展的上下文堆叠
  • 知识库:经过治理的企业知识源
  • 先检索证据再回答:RAG Q&A 流程
  • 来源引用和人工确认:可追溯与高风险升级
  • 最后洞察:KBQA 的核心是基于受控知识证据回答问题

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

RAG向量数据库文档解析企业知识库智能客服AI助手

相关辨析

这个概念容易和相邻概念混用,建议继续看对比页。