RAG 知识库四道质量门 — 先治理，再检索

解决什么问题

把一批文件放进向量库不等于拥有知识系统。常见失败是：旧版本和新版本混在一起、检索命中了相似句却没命中关键事实、模型给出完整答案但没有证据。

我把 RAG 拆成四道质量门。

1. 来源门：什么可以进入正式知识层

内容至少区分：亲历事实、项目资料、公开来源、他人转述和待确认推断。原始资料先进入资料层，经过阅读、去重和判断后再进入方法层；临时聊天摘要不能直接升级为长期事实。

每条关键内容保留来源、日期、适用范围和状态。冲突时不是让模型“选一个更像真的”，而是进入人工仲裁。

2. 切分门：切的是语义单元，不是固定字数

优先按“一个问题 / 一个结论 / 一组证据 / 一个边界”切分。表格、步骤和上下文不要被机械截断；标题、路径、标签和来源作为元数据保留。

好的语料块能够独立回答：它在讲什么、依据是什么、何时失效。

3. 召回门：用真实问题做检索验收

准备一组日常会问的问题，至少覆盖：

• 精确事实：能否命中唯一来源；
• 同义表达：换一种问法是否还能召回；
• 时间冲突：新旧版本是否按状态排序；
• 边界问题：库里没有答案时是否明确说不知道；
• 权限问题：私密内容是否被隔离。

检索验收要看标题命中、正文命中、排序和可打开性，不能只看“返回了结果”。

4. 回答门：答案必须带证据和不确定性

最终回答应区分事实、推断和待确认项，并能回到原文。对于平台规则、价格、后台指标和运行状态这类时效信息，RAG 只能提供历史上下文，当前值仍需实时核验。

最小可用架构

资料入口
→ 原始层（保真）
→ 方法 / 项目事实层（去重与仲裁）
→ 索引更新
→ 检索测试集
→ 带引用回答
→ 真实使用反馈回写

Obsidian 适合做人可读的事实源，搜索或向量索引是派生层。索引可以重建，事实源不能被模型输出反向覆盖。

边界

• 向量相似度不是事实可信度。
• “搜得到”不等于“实际用过”，更不等于“已经验证”。
• 对外发布必须生成脱敏副本，并检查最终产物，而不是只检查源目录。