第5课 AI 怎样查资料

大家好，欢迎来到第五课，AI怎样查资料。假设单位刚更新了报销制度，你问AI，现在坐出租车能不能报销，它很快给出一段条理清楚的回答。你最想知道的，大概不是它写得快不快，而是它究竟查了哪一份制度，看到的条款是不是新版本，回答有没有漏掉条件。今天我们就沿着这几个问题，认识知识库、检索增强生成，以及向量和嵌入。我们用三个熟悉的场景来讲，资料柜、开卷考试和书架分类。它们分别帮助我们理解，资料放在哪里，回答之前怎样找依据，以及说法不同的内容怎样可能被匹配起来。学完后，即使你不负责搭建系统，也能更具体地检查一份有来源的AI回答。你会知道，资料已经上传、系统已经搜索、答案带着引用，这三句话分别说明了什么，又留下了什么需要确认。我们的目标是让依据可以追溯，让不确定能够被看见，而不是把有资料支持当成一句无需再问的保证。

这一课有两个目标。第一，分清资料存储、检索与回答。第二，理解为什么查过资料仍然要核对。这三个环节可以用一句很普通的话串起来：柜子里有文件，找到相关那一页，再根据那一页解释问题。柜子里有，不代表一定找到；找到了，也不代表一定解释正确。比如资料中同时有旧版和新版制度，系统可能先找到旧版；即使找到新版，也可能只读到允许报销，遗漏后面的审批条件。再比如你问的是外地出差，找到的却是市内办事规定，主题都涉及交通费用，但适用范围不同。等会儿听到知识库、RAG和嵌入时，可以把它们放回这条链上理解。我们还要特别留意权限：一个员工可以查什么资料，应当在检索环节受到限制，不能等资料都交给模型以后，再只靠一句不要泄露来保护。你不必记住实现细节，只要学会追问四件事，来源是什么，版本对不对，条款是否相关，自己是否有权访问。现在先从资料柜开始。

公司前台有一个资料柜，里面分开放着报销规则、产品手册和办事指南。新同事问交通费怎样报销，前台不会把整个柜子搬给他，而是找出对应制度，翻到交通费用那一节。资料柜有用，靠的并不只是容量，还包括文件是否有清楚名称、日期、适用部门和更新记录。假如新旧两份制度混在一起，封面都写报销管理办法，前台也容易拿错。再假设柜子里有一份人事材料，即使它和某个问题有关，也不代表每个人都能取阅。这个例子里，存放、查找和访问资格，是三个不同的管理问题。做个小练习：你负责整理三份公开的活动指南，一份是去年的，一份是今年的正式版，还有一份没有日期。有人问今年报名要求，你会优先查哪份？应该优先确认今年正式版，同时查看适用范围；没有日期的不能因为排在最前面就当作最新。把这些文件组织好，才为后面的查询打下基础。AI应用中的知识库，也需要这样的资料治理。接下来我们把生活里的柜子，换成更准确的概念。

知识库，是围绕某个领域组织、供查询和使用的信息集合。AI应用里，它可以包含文档、网页或记录，常与检索系统结合，让模型在回答时参考外部材料。把资料放进知识库，不等于模型已经永久记住里面的一切，也不等于每次提问都能找到正确段落。我们可以从三件具体事情理解维护工作。首先确认来源，一份正式制度和一段转发消息，依据分量不同。其次标清版本和日期，更新后要确认系统查到的是有效内容，而不仅仅是文件上传成功。还有访问权限，检索结果必须符合提问者的身份和授权范围。不能因为文件进了同一个库，就让所有人都能查到。你可以先用三份不敏感的公开文档做练习，记录标题、来源、日期和适用范围，再提一个文档里有答案的问题，以及一个没有答案的问题。后者特别重要：系统应该能够说明没有找到依据，不能把缺失资料补成确定规定。如果回答错了，先确认库里有没有可靠材料，再看是否检索到了。这样排查比笼统说AI不懂更有帮助。下面我们来看，找到资料后，怎样把它用于回答。

想象一次开卷考试。题目问某项活动的报名条件，你先翻教材和笔记，找到有关段落，再按题目组织答案，并注明出处。你不会因为手边有一本书，就声称答案一定正确。翻错章节、看漏限定条件、引用已经废止的规定，都会影响答案。AI查资料的过程也可以这样理解。用户先提出问题，系统寻找相关片段，再把这些片段作为参考交给模型生成回答。这里的片段很关键，系统往往不是把整套资料的每一页都完整读一遍，再作出判断。做个练习：资料写着，活动免费，但需提前报名，现场名额视余量开放。问是否可以直接到场，若回答完全免费，欢迎参加，算不算回答了问题？不算，它绕开了提前报名和余量这两个限制。即使末尾挂上正确文件名，也不能弥补结论缺失。开卷的价值，是提供可以查证的依据；答题者仍需要读对、用对和讲清楚。当你检查AI时，也要问引用原文究竟支持哪句话，而不是只数有几个出处。这个把查资料与生成回答组合起来的方法，就叫检索增强生成。

检索增强生成，常简称RAG，是先检索相关资料，再让模型结合检索结果生成答案的方法。它可以帮助模型使用新的或内部的信息，但不是正确性的保证。我们按过程看三个可能的失败点。第一，资料本身没有更新，找到的依据已经过期。第二，检索出了相似却不适用的内容，例如把差旅交通规定用在日常通勤。第三，资料找对了，模型却省略限制，或者加上原文没有的解释。所以查到资料与回答正确，中间还有距离。一个实用提问方式是，请只根据这份公开制度回答，指出对应条款；没有找到的内容请说明，不要补充为制度规定。但提示语仍然需要配合结果核对，不能把它当成保证。检查引用时，打开原文，看标题、日期、上下文，尤其是如果、仅限、除外、须经批准等词。引用链接存在，不表示引用支持这句话，也不表示来源内容本身真实有效。权限同样应当在检索时限制，让系统只取出用户有权查看的资料。把未授权内容先交给模型，再指望回答时隐藏，是不可靠的边界。现在我们已经知道先找再答，接下来看看，系统怎样在不同说法之间寻找相关内容。

整理书架时，你可能把家常菜谱和烘焙书放在同一片区域，把城市旅行指南放到另一边。标题完全不同的两本书，可能因为主题相关而位置接近。这有助于理解嵌入的直觉：内容可以得到某种特征位置，系统据此比较它们的相似程度。比如你问怎么报销车费，文件标题却写交通费用报销规则，只按完全相同的字词查找，可能漏掉这份资料；比较内容特征，就可能找到它。我们再试两个说法，休假申请与请假的手续。虽然字面不同，表达的需求有联系。但如果旁边还有销假手续，主题也很接近，具体办事方向却不同。所以接近只是候选线索，不能直接当成适用结论。小练习是想一想，申请休假和取消休假，是否应该因为都有休假两个字，就给出同一套步骤？答案是不能，需要继续确认动作和条件。书架的比喻帮我们理解相关内容可以靠近，但真正的数值表示不是把所有知识摆在一张现实书架上。下一页我们再把向量和嵌入分清楚。

向量可以简单理解为一组数字。嵌入则是把文字或其他信息转换成数值向量的表示方法，常用来比较内容的相似程度。系统可以把问题和文档片段分别转换成向量，再计算它们在这种表示下的接近程度，帮助挑出候选资料。我们不需要手算这些数字，但要知道，特征地图通常有很多维度，并不是一张真实的二维地图。更要记住，相似度不是事实评分。某政策允许报销与某政策不允许报销，谈论的主题可能很接近，结论却相反；两份不同年份的制度，也可能高度相似，却只有其中一份对当前情境有效。不能因为排在最前面，就认定它最新、真实或者适用。嵌入帮助找材料，日期、适用范围和明确条款还要另外检查。再做个小判断：搜到一段和问题非常相似的文字，能否省掉来源核对？不能，它可能是旧版本，也可能是在描述另一类人员。我们把流程再接起来：知识库准备材料，检索借助相似性等线索找候选，模型结合材料组织答案，最后检查证据是否支持结论。下面用制度更新的问题，检验一下这条链有没有真正理解。

现在的问题是，报销制度更新了，想让AI根据新制度回答，应该先检查哪些环节？可以先想一个最容易遗漏的地方，再把答案连成一条完整过程。参考答案是，先检查知识库是否包含有效的新制度，旧版本是否被正确处理，文件日期和适用范围是否明确；再检查检索有没有真正找到相关的新条款；最后检查回答是否忠实保留条款的条件，引用能不能支持结论。同时要确认提问者只能检索到有权查看的资料。举个例子，新制度要求事先审批，答案仍说可以直接报销。若引用来自旧版，重点查资料和检索；若引用已经是新版，却漏了事先审批，就要查回答怎样使用了证据。不能只对系统重复说一次，请使用最新规定，就认为整个问题解决了。还有一个常见混淆，把新文件提供给检索系统，与通过微调改变模型，是不同方法；制度更新并不意味着必须重新训练模型。如果你能沿着资料、检索、回答三个环节逐个说明，并补上权限检查，就已经抓住了本课要点。

这一课，我们用三个场景理解AI查资料。资料柜对应知识库，重点是可靠来源、清楚版本、持续更新和访问权限。开卷考试对应RAG，先找相关内容，再结合内容生成回答。书架分类帮助理解嵌入，把信息表示成数值向量，用相似程度提供检索线索。请特别留下最后一句：资料过期、检索错位和生成错误，都可能让答案出问题。相似不代表真实，引用也不等于结论已经得到证实。今天可以做一个小实验，用一份公开办事指南，分别询问一个里面明确写了的问题，和一个没有写的问题。让AI标出相关段落，再自己打开原文检查。对于没有依据的提问，看看它能否承认没有找到，而不是补出听起来像规定的内容。这个练习不需要很大的知识库，只需要认真比较问题、证据和回答。以后遇到有来源的AI答案，你就可以从容地问，来源是否有效，检索是否相关，解释是否忠实，访问是否授权。下一课，我们把回答扩展到行动，认识智能体与工具，继续看看AI怎样从整理信息，走向执行具体任务。