知识库最常见的失败点
- 文档解析和切分不稳定，表格、标题层级和附件关系丢失。
- 检索只依赖向量相似度，找到了“像”的内容却不是正确证据。
- 没有继承企业原有权限，所有人都能问到所有资料。
- 资料更新后旧答案仍被召回，没有版本与生命周期管理。
- 知识库只能聊天，不能继续创建任务、填写系统或执行流程。
白泽的知识库架构
对文档类知识采用解析、元数据、混合召回与Rerank；对业务数值采用数据库/API查询；对敏感知识在检索前执行身份和权限过滤；回答提供出处和证据；需要行动时再交给Agent调用工具。
Excel和数据库能不能做统计？
可以，但不应该让LLM凭文本相似度计算。对于“pH大于50有多少条”“本月订单金额合计”等问题，白泽会把结构化数据交给SQL或代码工具执行，再由大模型解释结果并引用数据来源。
相关实践
污染源溯源项目把1200+份资料、结构化检测数据和GIS空间工具组合成证据链；OA与销售Agent项目则进一步让知识检索结果进入业务任务。
从这里继续了解
把你的业务问题发给我们
如果你还没有确定该做 RAG、Agent、视觉AI还是私有化大模型，可以先描述当前流程、数据和目标。白泽会从业务价值、可行性、数据基础和交付风险判断最合适的起点。