一、一个真实的场景
上周，一个做HR系统的朋友找我帮忙。
他们公司有300多份内部文档——员工手册、报销流程、技术规范、产品说明。新人入职要花两周熟悉这些资料；客服回复客户问题，经常在不同文档间来回切换。
他问我：“有没有办法把这些文档变成一个能问答、能溯源的知识库？”
我说：有，10分钟就能搭一个。
他半信半疑。
然后我用一个下午，真的搭出来了。
这篇文章就是那次搭建的完整流程记录，从文档上传到段落溯源，每一步都有操作说明。
二、整体流程
搭建一个企业私有知识库，只需要五步：
Text
文档上传 → 文档解析 → 智能分块 → 向量化存储 → 问答与溯源
下面逐一说明。
三、第一步：文档上传
首先，把所有需要纳入知识库的文档收集到一个文件夹里。
支持的文件格式：
- PDF（最常见）
- Word（.docx）
- Markdown（.md）
- TXT纯文本
操作建议：
- 文档命名要清晰（如“员工手册_2026版.pdf”）
- 同类文档放在一起
- 建议从5-10份文档开始测试
这一步大约需要1-2分钟。
四、第二步：文档解析
文档上传后，系统需要读取文件内容。
这一步的核心是：保留文档的元数据。
什么是元数据？就是“这份文档叫什么名字”“这段文字来自第几页”。这些信息在后面做溯源时至关重要。
不同格式的解析方式不同：
- PDF：按页提取文字，保留页码
- Word：按段落提取，保留章节信息
- Markdown：按标题结构提取，保留层级
这一步由系统自动完成，不需要人工操作。
五、第三步：智能分块
文档解析完成后，需要把长文档切分成小的文本块。
为什么要切分？
- 大模型有上下文长度限制（通常几千到几万字）
- 小块检索更精准，不会被无关内容干扰
分块的核心参数：
| 参数 | 说明 | 推荐值 |
|---|---|---|
| chunk_size | 每块的最大字符数 | 300-800 |
| chunk_overlap | 块与块之间的重叠字符数 | 50-100 |
不同文档类型的推荐值：
| 文档类型 | chunk_size | chunk_overlap |
|---|---|---|
| 员工手册/长文档 | 500 | 50 |
| 技术规范/合同 | 800 | 80 |
| FAQ/短文档 | 300 | 30 |
分块完成后，每个文本块都会携带来源信息（来自哪个文档、第几页），为溯源做准备。
六、第四步：向量化存储
分块完成后，需要把文本块转换成向量。
什么是向量？简单说，就是把一段文字转换成一串数字（比如768个浮点数）。这样计算机就可以计算“哪段文字和用户的问题最相似”。
这一步的作用：
- 用户提问时，系统把问题也转成向量
- 计算问题向量和所有文本块向量的相似度
- 找出最相关的几个文本块
向量化完成后，所有向量会被存入向量数据库，用于后续检索。
七、第五步：问答与溯源
知识库搭建完成后，就可以开始问答了。
普通问答（无溯源）：
问：“年假有多少天？”
答：“入职满1年享5天年假。”
员工不知道这个答案是从哪来的，只能选择相信或不相信。
带溯源的问答：
问：“年假有多少天？”
答：“入职满1年享5天年假，满3年享10天，满5年享15天。”
溯源信息：
- 来源：《员工手册》第2页
- 原文片段：“年假：入职满1年享5天，满3年享10天，满5年享15天。”
员工可以：
- 看到答案来自哪份文档
- 看到原文具体内容
- 自己去核实
这就是段落溯源的核心价值——让AI的每一个答案都可验证。
八、为什么溯源对企业很重要？
没有溯源的知识库，存在三个问题：
| 问题 | 说明 | 后果 |
|---|---|---|
| 不可信 | 用户不知道答案从哪来 | 不敢直接用，还得自己查 |
| 不可追 | 答案错了不知道原因 | 无法修正，错误持续 |
| 不可审 | 无法追溯AI的判断依据 | 合规审计过不了 |
有溯源的知识库，做到了三点：
- 可信：答案有出处，用户可以验证
- 可追：答案错了，可以定位到哪份文档写错了
- 可审：每一次问答都有记录，可追溯
九、什么时候必须要有溯源？
| 场景 | 是否需要溯源 | 原因 |
|---|---|---|
| 法务合同审查 | 必须 | 需要依据条款 |
| 财务报销审核 | 必须 | 需要制度依据 |
| 客服回复客户 | 必须 | 需要公司政策 |
| 技术方案选型 | 建议 | 需要文档支撑 |
| 个人学习笔记 | 可选 | 自己知道就行 |
十、延伸阅读
本文介绍的是企业私有知识库的搭建流程和段落溯源原理。如果你希望开箱即用，不需要自己写代码实现上述流程，可以了解下 ZGI 的知识库模块。ZGI内置了文档解析、智能分块、向量存储、段落溯源等完整能力，感兴趣可以去 zgi.cn 看看。
写在最后
10分钟搭建一个企业私有知识库，核心流程就五步：
- 上传文档（PDF、Word、Markdown）
- 文档解析（保留元数据）
- 智能分块（300-800字符/块）
- 向量化存储（把文字转成向量）
- 问答与溯源（答案可追溯来源）
希望这篇文章能帮你快速理解企业知识库的搭建逻辑。
你的知识库，是在“给答案”，还是在“给证据”？
