从检索材料到可信知识：KDC 的工程化思考

企业把文档接入向量库，并不意味着系统已经获得了可直接用于决策的知识。以售后退款政策为例，即使检索、切块、向量匹配和模型生成都正常，旧版规则仍可能因为语义相似度更高而被优先召回，最终让系统给出过时结论。

 

KDC（知识驱动计算）的关键提醒，是把“表示”和“知识”区分开。可复用的知识对象不仅要有正文，还应携带来源证据、版本、成熟度与适用边界；这些元信息决定内容能否被验证、引用，以及在推理链中应获得多高的置信权重。

 

对企业 AI 工程而言，RAG 更像发现候选材料的入口，而不是可信知识的终点。真正稳健的系统还需要治理知识生命周期，持续处理版本更新、适用范围和证据追踪，避免“技术链路都成功，业务判断却错误”。

 

来源：InfoQ

https://www.infoq.cn/article/N43yEF08JflwxI0S0Uec