企业里想做一个「能问答的知识库」，最容易被低估的不是模型选型，而是把文档喂进去之后那一堆脏活：切片怎么切、召回不准怎么办、答错了谁来兜、权限怎么隔离。这门课讨论的正是这些落地环节，主讲人马永亮在澜舟科技负责大模型技术与应用落地，方向覆盖 RAG、搜索、问答、报告生成等，此前在阿里巴巴、微软任职。如果你的团队正准备上或已经上了知识库问答，可以先拿它对着自己的项目做一次体检。

先确认你缺的是哪一块

智能知识库问答看起来是一条链路，实际断层往往出现在几个具体位置，你可以先自查：

检索环节：关键词搜索能出结果，换成自然语言提问就召回不到正确段落，或者召回了但排在前面的全是无关内容。
切片与预处理：PDF、扫描件、表格、会议纪要混在一起，切完丢失上下文，表格结构被切碎，标题和正文被拆散。
生成环节：模型答得流畅但编造细节，引用的出处对不上原文，多轮追问后前后矛盾。
工程与权限：不同部门、不同职级可见的文档范围不同，问答结果怎么做权限过滤，日志怎么留。
评估：上线前说不清效果好不好，上线后只能靠用户投诉来判断退步。

课程从大模型技术概况讲到企业知识库的需求与挑战，再落到落地思路与方法，这条线对应的就是上面这些断点。哪一条戳中你，听的时候就把注意力放在那一段。

带着自己的语料去听

这类分享最容易变成「听懂了但用不上」。建议听之前准备三样东西：一份你手上最典型的文档（最好包含表格或层级标题）、三个真实用户问过的问题（其中一个必须是当前系统答错的）、一条你对答案准确率的底线要求。讲到检索与切片时，拿这三样去比对讲者的处理方式；讲到问答生成时，看它怎么处理答不出和答不准这两种情况。技术方案没有通用解，但失败模式是共通的，对照自己的失败模式听，收获会比记笔记大。

和企业搜索、通用问答的区别在哪

很多人会把企业知识库问答等同于「套一个 RAG 框架」。差别其实在约束条件：语料是私有的、更新频繁、术语密集、答案需要可追溯、错误成本高。课程把搜索和问答放在一起讲，正是因为这个场景里检索质量决定了生成质量的上限——召回错了，后面怎么调提示词都是白费。听的时候留意讲者如何拆分检索与生成的责任边界，这决定了你后续优化时该动哪一层。

听完应该能回答的问题

我们现有的文档形态，适合直接切片还是需要先做结构化处理？哪一步最可能成为瓶颈？
召回不准时，应该先调切片策略、换检索方式，还是加重新排序？判断依据是什么？
答案的引用来源如何保证可核对？出现幻觉时，是检索的问题还是生成的问题，怎么区分？
权限过滤应该放在检索前还是检索后？对召回结果有什么影响？
这套系统上线后，用什么指标判断它是在变好还是变差？

如果听完这五个问题你只能答出泛泛的方向，说明还需要回到自己的数据上再推一遍。这门课给的是思路和取舍逻辑，不是可以直接粘贴的方案，把它当作一次和自己项目对照的机会，比当作一份教程更合适。