计划让模型基于您公司的文档进行回答?预约方案评审。
企业知识RAG包含的内容
语言模型本身对您的合同、流程或产品数据一无所知,但它仍会生成流畅的答案。RAG弥补了这一差距:系统首先检索能够回答问题的段落,然后要求模型仅基于这些段落作答并逐一引用来源。结果的质量在很大程度上取决于检索管道,而非模型本身。本服务正是这条管道。它属于我们的AI与数据服务系列;基于此构建的面向员工的打包产品是AI知识助手。
- 来源清单、所有权及时效规则
- 代您清理多年过时的文档
- 文档、Wiki及系统记录的摄取与分块
- 基于开放网络的公开聊天机器人
- 结合关键词与语义检索的搜索索引
- 无来源引用的答案
- 镜像源系统访问权限的权限感知检索
- 由模型生成的法律或医疗建议
- 带引用和拒绝规则的答案生成
- 准确率保证
- 检索和答案质量的评估集
- 问题、缺口与反馈的监控
成果与采购方职责
知识、运营和IT负责人寻求RAG开发以实现:
每个答案均链接至所使用的段落。
检索应用与源系统相同的访问权限。
检索和答案质量在真实问题的测试集上进行评分。
未回答的问题向文档负责人展示缺失内容。
管道的构建方式允许更换模型而无需重新索引所有内容。
能力模块与交付物
每个来源的系统、负责人、格式、访问规则及更新频率
连接器、解析、分块和元数据,支持定时刷新
关键词与向量索引、排序和权限过滤
返回带引用答案的API,来源缺失时拒绝作答
带预期来源的真实问题,每次变更均进行评分
问题、使用来源、反馈及未回答主题的日志
交付流程、团队与治理
RAG工程遵循我们的六步交付生命周期:
-
发现与战略对齐。
我们收集真实问题,列出应回答这些问题的来源,并明确每个来源的负责人。
-
团队组建与架构规划。
架构师设计摄取方案、索引、权限模型及数据存储位置。
-
基于成果里程碑的敏捷执行。
首先从一个来源和一个用户组开始,在评估集上进行测量。
-
模块化与产品化组件。
连接器和聊天界面在适用时复用经过验证的模块。
-
培训、发布与优化。
用户学习核查引用并提供反馈;访问权限分阶段扩大。
-
持续支持与共建。
随着问题日志的增长,持续添加新来源并调整分块和排序策略。
3至30人的团队通常在发现阶段结束后1至2周内启动工作。交付采用敏捷模式,以远程优先、英语沟通为主,每周进行评审,提供KPI仪表板,并配备专属客户经理和项目经理;来源以API优先的方式连接,因此新系统加入时无需重新索引所有内容。安全性至关重要,因为RAG系统将企业知识集中于一处:基于角色的访问控制、管理仪表板的多因素认证(MFA)、传输中的TLS加密和静态数据的AES加密、安全代码审查和漏洞扫描;保密协议(NDA)和数据处理协议(DPA)可按需提供。对于已索引的个人数据,我们遵循GDPR合规方法、HIPAA对标方法和CCPA实践。
OWASP LLM应用Top 10(2025年版)将向量和嵌入漏洞列为LLM08,以及提示注入和敏感信息泄露。我们测试索引中的跨用户泄漏以及文档中隐藏的指令。美国国家标准与技术研究院(NIST)的NIST AI 600-1《生成式人工智能概况》将幻觉列为生成式AI风险之一,这正是答案必须引用来源的原因。
本服务中的AI
AI改变了人们获取知识的方式:人们不再猜测搜索词,而是提出问题并核查带引用的答案。这只有通过严谨的工程实践才能实现。我们的实践对提示词和分块设置进行版本管理,每次变更时运行评估集,为每个来源配备负责人,并监控每个答案的成本。AI辅助编码和测试生成为构建过程提供支持,工程师对每次变更进行审查。Netbase将ISO/IEC 42001人工智能管理体系框架应用于自身的AI交付实践。
-
已交付(匿名客户):RAG知识助手。
为未具名客户交付;记录仅描述系统类型及Netbase的角色。
-
成长能力:超越知识检索的NLP与生成式AI。
Netbase提供的能力领域;尚未关联已发布的知识项目。
参与模式与商业变量
大多数Netbase项目以发现阶段后商定的固定价格合同交付;对于RAG,以固定价格试点方式启动——覆盖一个来源和一个用户组,在商定的评估集上进行测量——是自然的起点。同时也提供基于里程碑的、月度团队留用和KPI关联条款。我们不公布价格表。
影响工作量和成本的因素:来源的数量和格式、访问规则的复杂程度、文档量和更新频率、语言、托管和数据驻留要求,以及预期的问题数量。
技术作为实施选择
Netbase采用模型无关策略:我们与来自OpenAI、Anthropic(Claude)、Google(Gemini)和Meta(Llama)的模型合作,以及其他商业和开源权重模型及嵌入模型,并根据测试集上的检索质量、数据驻留要求和成本逐项目进行选择。我们逐项目采用新技术,从不将其作为供应商合作关系。我们比较的搜索、向量和模型组件在我们的数据与AI技术栈页面上,按成熟度进行标注。
行业应用
专业服务。 企业依赖先例、模板、提案和内部方法运营。RAG帮助员工快速找到正确的先前文档,同时通过权限感知检索确保客户保密性。
运营密集型企业。 流程、产品规格和供应商条款频繁变更。定时刷新和来源所有权使答案保持最新,未回答的问题则揭示文档缺口所在。
专业服务:在一个AI辅助工作空间上管理项目、客户与团队
代理商、咨询公司及其他服务型企业需要将项目、提案、发票与团队集中在一个工作空间,而非分散在五个工具中,并借助AI起草计划、从历史工作中检索答案供人工审核。Netbase正是构建此类工作空间的专家,我们自有产品即是最好的证明:Cloodo Workspace——由Netbase旗下Cloodo业务部门设计、构建并运营的AI驱动工作SaaS。
Learn More
证明:整合企业知识的平台
证据成熟度:企业知识RAG是一项成长型能力。一个已交付的RAG项目以匿名方式记录;其他记录为平台证明:Netbase构建和运营的、对企业信息和访问权限进行结构化管理的产品。
已交付AI:RAG知识助手(匿名客户)。 Netbase作为AI顾问、工程师和集成商,为未具名客户交付了检索增强知识助手。记录中未发布客户名称、数据或结果。查看匿名记录。
平台证明:Cloodo(Netbase业务部门)。 一个AI驱动的数字化工作场所,用于企业档案、服务、项目和团队协作,在一个混合工作空间中连接内部员工和外包专家,配备CRM、HRM、云ERP和AI模块。它展示了知识系统必须遵守的角色和访问模型。查看Cloodo记录。
平台证明:Printcart(Netbase业务部门)。 一个网络印刷(Web-to-Print)和按需印刷平台,将在线订单转化为印刷就绪文件并路由至配送,配备大型产品和剪贴画目录进行管理。查看Printcart记录。
更多项目请见我们的案例。
采购方常见问题
用户能否查看其无权访问的文档? 不应如此,我们的设计也防范了这一情况。检索在模型看到任何内容之前,会先根据用户在源系统中的权限对结果进行过滤。
如果答案不在我们的文档中会怎样? 系统会提示无法找到来源,并将该问题记录给文档负责人。
如何衡量质量? 通过真实问题及其预期来源组成的评估集,在每次数据、提示词或模型变更时进行评分。
我们的数据会离开我们的环境吗? 托管方案、服务提供商和数据驻留要求在发现阶段协商确定,并写入数据处理协议(DPA)。
这与AI知识助手是同一产品吗? 本服务是工程层。助手是基于它构建的面向员工的打包解决方案。
最大的风险是什么? 一次性索引所有内容。过时和相互矛盾的文档会产生看似可信的错误答案,因此来源应在指定负责人的前提下逐一添加。
相关解决方案
AI知识助手:来自企业知识库的有据可查答案,含溯源与访问控制
AI知识助手是一款内部工具,能够根据企业自有文档和系统回答员工问题,为每个答案标注信息来源,并确保每位用户只能看到其有权访问的内容。Netbase将其作为成长型能力提供,从首个试点阶段起即融入检索、评估与人工审核机制,并已为一位匿名客户完成交付。
Learn More
探讨项目
Netbase JSC 帮助企业设计、构建、现代化改造和运营数字产品及 AI 驱动的业务系统。+84 937 869 689
91 Nguyen Chi Thanh, Dong Da, Hanoi, Vietnam
取得联系
告诉我们您想构建、改造或运营什么。