构建行业调研知识库的核心是让ai理解业务语境并持续校准，需结构化分类、中文ocr清洗、语义智能切片、专用中文向量模型与三路召回，并嵌入调研闭环实现动态演进。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
构建行业调研知识库，核心不是堆文档，而是让AI真正“理解”你的业务语境，并能持续校准、精准响应。Skywork AI 的 RAG 知识库不是资料仓库，而是可推理、可锚定、可演进的认知基座。
按业务线与文档类型分类清洗
直接上传杂乱文件包会引入大量噪声。必须先结构化再入库：
- 一级目录按业务线划分，例如「产品中心」「销售管理」「合规法务」「客户服务」
- 每类下再设二级子目录，如「产品中心」下分「需求文档」「竞品分析」「用户访谈纪要」「技术白皮书」
- 扫描件务必启用中文OCR（支持表格还原），Word/PDF需清除页眉页脚、修订痕迹和自动编号
- 清洗后打包为 ZIP，命名含部门、类型、日期，例如「销售管理_客户异议FAQ_20260610.zip」
用中文语义智能切片
硬按字数切分会割裂逻辑。推荐两种适配中文的切片方式：
skywork ai mac
下载
天工 Skywork 桌面版是专为 Mac 用户打造的本地 AI 办公助手，被称为“macOS版Claude Cowork”。它无需上传云端，即可直接读取并处理本地复杂文件。产品采用本地虚拟机隔离技术保障数据安全，并创新支持 Claude 与 Gemini 双模型智能路由。内置超百项精选技能，轻松实现跨格式办公与多模态内容创作，全面赋能桌面生产力。
- 对通用文本，用 LangChain 的 RecursiveCharacterTextSplitter，设置分隔符为 ['\n\n', '\n', '。', '!', '?', ';', ':', '、', ',']，chunk_size=384，overlap=64，确保句意完整
- 对结构化文档（如SOP、制度文件），改用 MarkdownHeaderTextSplitter，按 #、##、### 标题层级切分，并自动注入 section_path 元数据，后续检索可限定在「# 售后政策 ## 退换货时效」内精准召回
- 切片后人工抽检10个片段，确认无半句话、孤立项或缺失主语的情况
选用中文向量模型+高效索引
通用英文模型在中文场景下召回率低、易答非所问。必须针对性配置：
- 向量化模型选用 BAAI/bge-small-zh-v1.5，专为中文短文本优化，语义浓度高
- 向量库选 Milvus，建 IVF_FLAT 索引，平衡精度与响应速度
- 启用三路召回（关键词+向量+规则匹配）+摘要重排机制，把答非所问率压至 5% 以下
与调研闭环联动，让知识库“活”起来
知识库不能静态存在，要嵌入调研工作流中实时反哺：
- 启用「语义锚定」后，所有分析结果自动关联知识库中的高频业务词，比如输入“分析AI会议助手用户吐槽”，输出会自动对标你司《2025产品路线图》中“实时转录准确率≥95%”的目标值
- 当调研发现新结论（如某竞品上线新功能），可一键触发知识库更新流程，系统自动定位到对应文档位置并提示修订建议
- 本地知识库与 MCP 协议打通，权威数据变更（如工信部新规发布）会同步标注影响范围，并在报告中自动插入对比段落
不复杂但容易忽略——知识库的价值不在“有没有”，而在是否与你的调研指令、业务术语、决策节奏真正咬合。
