KB Build · 经验知识库构建与验收

对应案例：NO.1（制造经验传承）、NO.11（外贸资料资产化）。 参考实现：cases/01-knowledge-base/（词表归一化 + BM25/TF-IDF 混合检索， Recall@5 99.2%，带噪 97.1%）。

何时使用

• 企业要沉淀专家隐性经验、散落文档，让"新人能查到"
• 已有知识库但"查不到、不敢用"，需要重建检索质量
• 需要为知识库定义可量化验收标准

流程

1. 高频问题收集 = 测试集：访谈/工单/群聊里提取真实高频问题，逐条标注 gold 答案片段——测试集在建库前就定，验收标准与客户共定（默认 Recall@5 ≥ 80%）。
2. 语料入库与解析率检查：OCR/解析后抽查解析质量（案例 1 口径约 95%）， 低于阈值先修解析再谈检索。
3. 词表归一化（第一杠杆）：收集同一实体的不同叫法（别名/口语/术语）， 建别名→规范词映射，query 与文档同侧归一化。实测证明这比换检索器重要 （66.2%→99.2% vs 换检索器反而 55.8%）。
4. 混合检索：BM25(char-bigram) + TF-IDF(char 2-4 gram) 融合； 同前缀冗余高时加 MMR 重排（λ=0.7）。
5. 人机验收：跑测试集出指标；不过线先修词表，再修分块，最后才考虑换模型。
6. 接入现有流程：知识库入口嵌进用户已有工具（培训平台/IM），不做孤立入口。

验收

• 测试集 Recall@5 ≥ 80%（与客户共定的线）
• 带噪语料（模拟解析损失）下 Recall@5 不塌方
• 每条检索结果可追溯到源文档

边界

• LLM 生成答案环节不在本技能内（那是 RAG 应用层）；本技能保证"检索得准"
• 涉密的隐性经验是否入库，由专家本人确认