AI日报｜企业知识库不必复制所有数据

结论先说：企业知识库不必把所有业务数据复制到向量库。更合理的做法是按数据形态和决策时效，把静态文档入库、实时数据原位查询、混合检索分开设计。11月12日，Google Cloud在Data Cloud更新中把“无需搬移数据、按用户身份查询实时数据库、用语义模型解释业务口径”放进同一条链路。这并不意味着传统RAG过时，而是提醒企业：文档知识和实时经营数据不是同一种对象，应该用不同的数据路径和验收方法。

本轮先核验北京时间执行前24小时的一手材料，保留OpenAI、NVIDIA与Insight在11月13日发布的3条合格更新；为覆盖企业数据、模型与制造流程，扩展到48小时，再加入Google Cloud和Microsoft在11月12日的3条更新，共6条。未取得实时搜索量、热搜、站长查询或需求规模，不用厂商发布数量代替客户需求。

今日重点

智能体付款开始强调逐笔授权。 OpenAI 11月13日推出ChatGPT Wallet有限测试：智能体不接触真实卡号，每次购买要由用户安全确认，并留下授权记录。首期只覆盖美国部分Pro用户和美国发行卡。它说明高风险动作要把身份、授权、令牌和回执连成闭环，但不能写成中国企业现成可用的采购方案。
高风险知识问答仍需证据回指和人工确认。 NVIDIA 11月13日介绍Dyania Health在医院防火墙内处理病历，输出信号可追溯到原始记录，并由临床人员复核。文中7800多名患者是外部医疗研究口径；企业可借鉴“本地处理、证据回指、人工决策”的结构，不能照搬医疗效果。
智能体目录开始按业务任务交付。 Insight 11月13日发布Agent Store，列出报价、NDA审查、零部件订购等方案。公告中的14国覆盖、交付速度和内部采用率来自厂商自述；中国企业更需要核对数据驻留、系统接口、审批和持续运维，而不是只看方案数量。
实时企业数据可以原位查询。 Google Cloud 11月12日称，Gemini Data Cloud连接器进入预览，可连接BigQuery、Looker、Spanner、AlloyDB与Cloud SQL，按用户身份执行查询，并用Knowledge Catalog语义模型解释业务口径。已确认的是产品结构；未知的是本企业字段质量、查询成本、并发、尾延迟和故障表现。
新模型可用不等于现有业务应立即切换。 Gemini Enterprise发布记录显示Gemini 4 Hydrogen在Web、移动端、Workflow Builder和开发工具中正式可用；若企业维护自定义模型列表，仍需管理员选择。技术负责人应先跑任务回归，再决定是否替换生产模型。
规模化AI仍然要连接实时流程。 微软11月12日介绍其近500个项目经验，并把业务价值、流程重构、治理和成本列为共同条件；制造案例把实时数据、数字孪生与操作员建议连在一起。案例没有给出统一成本或周期，不能当成采购承诺。

重点拆解：三种数据路径不要混成一个知识库

企业常把“建设知识库”理解成收集文件、切片、向量化、检索。但客户真正提出的问题往往跨越三类数据：制度、手册、合同等相对稳定文档；库存、订单、设备状态等实时结构化数据；既要解释规则、又要读取当前状态的混合任务。如果全部复制进向量库，会产生更新延迟、权限漂移、数字聚合不准和重复存储；如果全部实时查库，又会让长文档引用、跨页证据和版本复现变得困难。

| 数据路径 | 适合对象 | 优点 | 主要风险 | 关键验收 | |---|---|---|---|---| | 静态文档入库 | 制度、手册、合同、报告、历史案例 | 可做语义检索、跨页引用、版本冻结 | 切片丢上下文、删除和权限同步滞后 | 引用定位、版本绑定、ACL同步、删除传播 | | 实时原位查询 | 库存、订单、设备、工单、经营指标 | 状态新、数字聚合更可靠、无需复制全量 | 语义映射错误、查询成本和尾延迟不可控 | 身份贯穿、SQL/工具审计、口径、P95/P99、只读边界 | | 混合检索 | “按制度判断当前订单”“结合手册分析设备报警” | 同时获得规则证据与实时状态 | 两条链的时间、身份和版本不一致 | 同一用户、同一时点、来源标识、冲突处理、最终回执 |

选择路径时先问四个问题：数据多久变化一次；答案是否必须精确到当前时点；用户权限能否贯穿到源系统；结果需要引用原文还是需要计算聚合。更新慢、重证据的文件适合入库；更新快、重精确数值的状态适合原位查询；需要规则解释加当前状态时采用混合架构。

为什么“全部向量化”容易出错

第一，向量库不是业务数据库。它擅长找语义相近片段，不保证库存求和、金额计算、时间窗口和事务状态准确。把订单表定期导出成文本再向量化，可能检索到相似订单，却无法可靠回答“当前可承诺库存是多少”。

第二，复制会产生时间差。源系统中数据被修改、删除或撤权后，副本何时同步决定了知识库是否继续暴露旧内容。验收不能只测首次导入，要测新增、修改、撤权、删除和恢复五种事件，并记录端到端传播时间。

第三，语义口径不会因为接上模型自动统一。“有效客户”“在制订单”“停机时间”往往在不同部门有不同定义。Google的更新把语义模型放在连接链中，说明自然语言查询之前仍需要业务词典、字段映射和认证口径。

第四，实时查询也有边界。连接器若使用超级账号执行，最终用户权限会在链路中丢失；复杂查询可能拖慢生产库；源系统断线时，模型可能把旧缓存当成实时结果。因此要设置只读副本、查询白名单、超时、限流、成本预算、缓存时间和失败默认行为。

一套可执行的架构选择方法

先为每类问题建立“数据需求卡”。至少记录主问题、决策时效、数据源、更新频率、权限事实源、需要的引用或计算、允许的最长延迟、失败时是否可以使用旧数据。没有这张卡，团队容易为了技术统一而把所有数据塞进同一索引。

然后做路径分配：

文档路径保留原文件、页码或段落定位、版本、权限、有效期和删除状态；切片只是检索副本，不能替代原始证据。
实时路径通过受控连接器或工具读取源系统，使用最终用户或明确授权的服务身份，限制可访问的数据集和查询动作。
混合路径先检索规则证据，再查询当前状态，最后由业务规则或受控Agent组合结果；输出必须分别标明文档版本、数据查询时间和来源。
写回路径与读取分离。知识库可以回答，不代表智能体可以改订单、发起采购或控制设备。写动作需要审批、幂等、参数校验、终态确认和回滚。

白泽的企业RAG与知识库开发服务可覆盖文档解析、权限过滤、实时数据工具、引用、评测与受控流程集成；污染源智能体案例展示了多来源信息与受控业务流程的公开实践。案例不代表已实测本文所述Google预览功能，也不把外部厂商指标当作白泽项目成绩。

怎么验收实时数据知识库

验收集必须同时包含文档题、实时时点题和混合题。每道题保存期望来源、允许数据时点、角色、预期拒绝条件和计算口径。建议至少覆盖：

同一问题在数据更新前后得到不同、且可解释的答案；
有权、部分有权、无权和刚撤权角色的结果符合源系统权限；
文档版本与实时查询时间在答案中可追溯；
源系统超时、语义服务不可用、字段变更和连接器断线时保守失败；
查询只读、限流和成本预算有效，不影响生产系统；
数字聚合可由SQL或确定性工具复算，不让模型心算关键金额与数量；
写动作必须经过审批，并保存请求、参数、执行终态和回滚回执。

准确率不能只用“回答看起来对”衡量。文档题看引用正确率和版本一致性；实时时点题看数值正确率、数据新鲜度与查询成功率；混合题看规则版本、数据时间和结论是否一致；权限题看越权召回率必须为零，并单独统计误拒绝。

适用条件与风险

这套方法适合同时拥有文档、数据库和业务系统的企业知识库、经营问答、设备助手、售前报价助手和合规Agent。若源系统没有稳定接口、字段含义不统一、权限只靠人工约定或生产库不能承受查询，应先做数据治理和只读服务，不宜直接承诺实时问答。

主要风险包括：副本长期不同步；用户身份在连接器中丢失；自然语言被翻译成高成本或越权查询；业务词典漂移；缓存没有标注时间；源系统异常时输出旧数据；模型升级改变工具选择；写回动作缺少终态确认。对应措施是数据需求卡、分路径架构、用户身份贯穿、只读与限流、语义版本、时间戳、故障默认拒绝和固定回归集。

今日企业行动

从现有知识库抽取20个真实问题，标记它们属于静态文档、实时数据还是混合任务，停止用一个索引解决全部问题。
为两道实时问题建立数据需求卡，写清数据源、角色、更新时间、允许延迟、查询口径和断线时的默认行为。
用同一道混合问题测试有权、无权和刚撤权角色，保存文档版本、查询时间、SQL或工具调用、引用与最终回执。

准备咨询时，可提供脱敏文档样本、数据库或API清单、字段词典、角色矩阵、更新频率、实时问题、允许延迟、查询并发、写回动作和现有审计要求。白泽智能｜重庆斯巴达信息技术有限公司。

来源与证据边界

厂商产品、预览功能、案例和内部采用数据只按公开范围陈述，不作为白泽项目成绩、搜索排名、询盘数量、固定节省或实施周期承诺。