FDE 系列三：企业 AI 系统的检索、工具调用与评测

企业知识助手通常需要先找到资料，再生成回答。这个过程涉及文档解析、检索、权限、模型和业务接口。设计时应明确每一步的输入、输出与失败处理，让问题能够被定位，而不是把全部行为藏在一次模型调用里。

让资料保留必要上下文

文档处理需要保留来源、章节、版本和适用条件。表格中的列关系、维修步骤的编号，都可能影响内容含义。解析后应抽样核对，确认没有丢失关键结构。

分段可以按章节和语义边界进行，但段落过短可能缺少条件，过长又可能混入无关内容。实际效果应通过任务样本验证。新资料发布或旧资料撤回后，也需要同步处理索引与缓存。

RAG 是检索增强生成：先从外部资料获得相关内容，再交给模型组织答案。它能让系统使用企业知识，但正确性仍需要验证。

检索检查关注所需证据有没有出现，是否符合版本和权限要求。生成检查则关注答案是否忠实于证据，是否遗漏条件，以及资料不足时是否作出了不可靠判断。分开检查，才能知道应改进哪个环节。

型号、错误码通常需要精确匹配，自然语言描述可以结合语义检索。混合检索或重排序是否值得采用，应根据测试结果决定，同时考虑额外延迟和维护成本。

引用应能定位到支持结论的片段，并展示必要的版本信息。只有相关链接，却无法核对具体依据，会增加使用者的检查负担。证据不足时，可以追问、限制回答或交给人工处理。

权限应在检索和接口层执行。无权访问的资料不能通过回答摘要泄露，来源跳转也需要身份校验。提示词中的保密要求可以辅助模型行为，但不能替代访问控制。

读取工单与修改工单有不同影响。模型提出参数后，服务端应校验身份、权限和业务规则；重要写入操作应展示具体内容并要求确认。重试还需要避免重复写入。

智能体可以选择步骤和调用工具，但任务路径已经明确时，固定工作流通常更容易测试。无论采用哪种方式，都需要设置耗时、调用次数和成本上限，以及接口异常时的停止条件。外部文档只能作为数据，不能改变系统权限。

评测集应包含真实任务、难例和异常输入。检查可以覆盖引用正确性、关键条件、权限隔离、接口结果及完整任务耗时。模型自动评分可辅助分析，专业结论仍应由相应人员复核。

修改提示词、模型、索引或解析规则后，需要比较相关样本。除了整体表现，还要检查关键任务是否退化。上线记录应关联这些配置，方便复现问题。

系统也应具备降级路径。模型不可用时，可以保留资料检索；业务接口失败时，可以交回人工操作。清楚说明当前状态，比在信息不完整时继续生成结论更有用。