术语信息
- 英文名称
- Knowledge Retrieval
- 内容类型
- 技术机制
- 适用主题
- AI营销工作方法 · 知识与检索
机制输入
- • 已确认可用的企业资料
- • 片段、元数据、索引和权限
- • 买家或团队的问题
可检查的输出
- • 带来源与适用范围的候选资料
- • 供人工或下游应用判断的结果
- 01
准备资料
按产品、市场和有效期切分内容并写入字段。
- 02
执行查询
以关键词、向量或混合方式找回候选片段。
- 03
排序与过滤
按相关性、市场、版本和权限排除不应使用的内容。
- 04
复核与使用
展示来源，关键主张由责任人确认后再使用。
采用与核验条件
- • 资料按产品、市场、语言、版本和有效期保留元数据。
- • 关键问题测试精确词和自然语言说法，检查前几条结果。
- • 权限在检索时执行，未授权内容不会成为候选。
- • 高后果答案能回到原始资料与业务责任人。
使用边界
何时值得纳入判断
- • 团队需从产品资料、案例、政策或问答中找到依据。
- • 上线面向买家、销售或内部协作的问答与搜索前。
判断时不宜据此推断
- • 企业知识库本身，也不把文件自动变成可信答案。
- • 模型微调或对产品、合规、报价作最终确认的替代品。
- • 文件不分状态接入：会找回过期内容，应先治理来源和版本。
- • 只用一种检索：应比较真实问题下的结果。
- • 只看回答流畅：还要检查片段、权限、来源与适用范围。
先准备可检索的知识
资料要拆成可独立匹配的片段并写入索引。片段保留正文、标题、型号、市场、版本和有效期等字段；向量检索还会生成可比较的向量。
参考：Microsoft Learn；Microsoft Learn
产品参数、认证、交期、价格和案例须有当前来源；过期宣传册、未批准译文和内部草稿不应与对外依据混在一起。
参考：Microsoft Learn；Microsoft Learn
查询找回候选片段，不直接给结论
| 方式 | 适合 | 注意 |
|---|---|---|
| 关键词 | 型号、标准号、专有词 | 可能漏掉不同说法。 |
| 向量 | 含义接近、用词不同的问题 | 查询与片段要用一致预处理。 |
| 混合 | 既要精确词又要语义的问题 | 看合并重排后的前几条。 |
混合检索将全文与向量结果合成一个排序列表。排在前面只表示更相关，不证明资料有效或适用于该市场。
参考：Microsoft Learn；Elastic Docs
每次返回都保留权限和证据
- 保留来源、版本、有效期、语言、产品和市场等元数据。
- 查询时按用户或角色过滤，不返回无权文件。
- 显示片段与原始资料；无法追溯就不写成对外主张。
- 认证、性能、价格和案例仍由责任人复核。
权限要随内容进入索引并在查询时执行，否则报价、合同或内部讨论可能在生成答案前被取回。检索结果只是候选依据。
参考：Microsoft Learn
用真实买家问题验收
用型号、认证、应用限制和售后等真实问题检查前几条结果：是否来自当前资料、覆盖条件，并被市场与权限正确过滤。无命中也可能是资料、切分、元数据或查询的问题。
参考：Microsoft Learn；Microsoft Learn
- 更新资料后确认旧版退出、新版能找回。
- 为关键问题保留预期来源和验收结果。
- 结果不相干时，先检查字段、过滤、切分和查询。
资料来源
以下资料支持本页的技术事实、口径或工作定义。
- 01RAG and Generative AI
Microsoft Learn · 核验于 2026年8月10日
- 02Develop a RAG Solution on Azure: Information-Retrieval Phase
Microsoft Learn · 核验于 2026年8月10日
- 03Document-Level Access Control
Microsoft Learn · 核验于 2026年8月10日
- 04Hybrid search
Elastic Docs · 核验于 2026年8月10日
作者与复核
作者：Tim Zhang
最后复核：2026年8月10日