2. Linux.do
  3. 关于小微企业自建知识库的疑问

关于小微企业自建知识库的疑问

速降Log 2026-05-30 00:28 1

想请教一下各位佬：工业生产企业内部知识库 / RAG 系统，应该怎么选型和落地？


目前我在尝试给自己公司搭建一套内部知识库，希望把过去积累的各种业务资料、产品资料、型号参数、性能数据、适用场景、报价/询价记录、历史项目经验等内容，更系统地沉淀下来，方便后续检索和复用。


核心目标主要有两个：


第一个是提高业务资料的检索效率

过去很多信息散落在excel、pdf、图片、聊天记录、邮件或者老员工经验里。新人入职后，想快速理解产品、型号、性能、适用范围，经常需要到处问人或者翻资料，效率比较低。

第二个是让ai能辅助回答业务问题

比如用户输入一个比较模糊的需求，ai能根据内部知识库里的产品资料、型号参数、历史案例等信息，帮忙推荐可能合适的产品方向、型号、供应商信息，或者提示需要进一步确认哪些参数。


我们公司本身是做工业生产相关业务的，所以数据特点大概是：

产品型号多；

参数、性能、适用范围比较重要；

很多资料是半结构化/非结构化的，比如 PDF、Excel、图片、说明书、报价单等；

有些信息需要长期沉淀，最好后续能持续补充、维护和更新；

希望新人也能通过自然语言查询快速上手业务。


目前我比较纠结的是技术方向和工具选型。


我看了一些传统RAG方案，比如Dify这类，也看到不少反馈说实际落地后查询准确率并不稳定，尤其是遇到工业产品这种参数型、型号型、强业务语境的数据时，可能会出现召回不准、答非所问、幻觉、引用不清楚等问题。


另外市面上也有一些云厂商方案，比如阿里百炼之类的，号称低代码搭建知识库、接入大模型比较简单。但我不太确定这类平台在真实业务场景里的效果如何，尤其是面对比较复杂的企业内部产品库和历史业务数据时，后续可控性、迁移成本、准确率优化空间怎么样。


顺带问个蠢问题，比如notebookllm、ima这种，虽然定位是个人知识库，但是拓展到企业会有什么问题吗？


感觉这个方向相比大模型本身热度低很多，但对企业实际业务应该挺有价值的。真心求教，感谢各位！ ^-^

最新回复 (19)
  • 硅谷朱之文 05-30 00:31
    2楼

    蹲个合适的方案，感觉这确实是每个企业都需要的东西

  • 速降Log 楼主 05-30 00:34
    3楼

    是的欸，我感觉这种很有价值，但是看了好几个方案后面反馈实际落地效果都不行

  • kewen 05-30 00:34
    4楼

    OB+LLm wiki，实践下来最好

  • TWHKD 05-30 00:34
    5楼

    这个得蹲一下，最近有类似的需求要做

  • hengpangwa 05-30 00:35
    6楼

    我也蹲一个，但是我们是运营商政企相关的 产品 项目都有。可能还复杂一些。

  • yukun 05-30 00:38
    7楼

    我也蹲一下，感觉项目(科创)管理都很需要

  • Road 05-30 00:59
    8楼

    蹲一下，现在就有这方面的想法，但是不知道从何做起

  • 速降Log 楼主 05-30 01:00
    9楼

    是Karpathy的方案对吗？这个数据容量是不是有限制，我还没仔细了解过，之前看不少人推反馈就是说数据多了还得换回rag

  • blacksein 05-30 01:02
    10楼

    在做之前先要明确一点

    信息可以流出去吗 流出去问题大不大


    如果是属于机密 不能流 大概率要自建的 包括向量模型+向量数据库 这个会影响选型

  • AI 05-30 01:18
    11楼

    关注一下，notebooklm作为个人知识库目前比较靠谱。

  • hwang 05-30 01:22
    12楼

    notebookllm、ima 这种，虽然定位是个人知识库，但是拓展到企业会有什么问题吗？



    会容量不够用。



    如果你们全是文档、文件的话，看看这位佬的思路，不一定要用他的库，但是自我进化这块应该会很适合你们：你们的每一个新人入职后问的问题，都会为这套体系添砖加瓦。

    产品型号、性能、适用范围等直接跟各个文档做关联，DeepSeek-v4-flash 烧起来



    本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

    我的帖子已经打上 开源推广 标签： 是
    我的开源项目完整开源，无未开源部分： 是
    我的开源项目已链接认可 LINUX DO 社区： 是
    我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
    以上选择我承诺是永久有效的，接受社区和佬友监督： 是

    以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

    [mar…
  • 速降Log 楼主 05-30 01:24
    13楼

    如果是放到国内阿里百炼这种厂商流出我觉得属于没法防的，这种可以接受，机密谈不上，主要不希望会被竞对拿到哈哈

  • 速降Log 楼主 05-30 01:25
    14楼

    嗯，主要就是各种文档，excel之类的，我研究研究这位佬的思路，谢谢！

  • 91kevinshi 05-30 01:25
    15楼

    目前没有简单的，一建的、一劳永逸的方案


    需要有专人维护、调试数据


    不过，现在可以开始做的是，结构化储存文档


    不耽误后面开发


    因为数据清晰迟早是必要的


    我们暂时没有足够的人力投入专门做这个事情，主要是投产比不高

  • 墨子龙 05-30 01:41
    16楼

    我有一个知识库项目，未公开的，目前我是本地使用的obsidian和Cherry studio，我通过设计git分支使其可以适配小型团队，我的分支结构为master分支、develop分支、test分支、test-raw分支，我会将我的agent需要摄入的知识放到test-raw分支内，然后通过git和相关的工作流制做wiki，并合并到test，在完成test分支的操作后，将test进行审核并手动合并到develop分支中，如果需要让其他成员可以在云端进行问答的话，云端大模型读取的是develop分支，master分支算是上述分支的备份，防止ai抽风

  • 速降Log 楼主 05-30 01:47
    17楼

    啊是的，现在不标准化不结构化是数据方面的一大问题，另外这个也确实更多是锦上添花所以大家都不愿太去投入

  • 墨子龙 05-30 02:06
    18楼

    为了解决这个问题，我选择在md文件头部添加一些yaml标题去规定这个文件干什么，这是我在放到raw层之前做的事情，在raw层之前我会将数据尽量全部转化成md，然后只做yaml的标题在文件内部，就像是咱社区的开源推广规定要填的那些东西一样，然后再让agent进行健康审查和摄入的工作流

  • 刁德一 05-30 02:20
    19楼

    同求解决方案，我也蹲一个后续看看

  • 8b9je 05-30 02:37
    20楼

    传统 RAG 效果不好主要是模型不行吧，网上的企业级 rag 项目大多数都是为了省成本做的。我看 grok 纯搜索效果不也挺好的。你们企业内部使用频率不高直接用 opus 查，力大砖飞 ^-^

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐