假设你开了一家饭店，想让 AI 帮你回顾客的微信。有位顾客发来一句：
你们家包间最低消费多少？我花生过敏，哪些菜不能点？
你原样发给豆包。它多半会热情地回：“您好，包间最低消费一般在 500 到 1000 元之间，具体以门店为准；含花生的菜一般有宫保鸡丁、老醋花生……”
看着像样，可一个字都不能发出去。它说的是“饭店一般是这样”，不是“你家是这样”。
这篇就讲：怎么让它照着你家的情况答，以及两种常见做法各自会在哪儿翻车。整篇都用这家饭店、这一个问题。
一、它不认识你家：现在是闭卷考试
《大模型是怎么回答你的》讲过，大模型读过的东西都存在几千亿个“旋钮”里，练完就定型了。你家的菜单和包间规矩，它从来没读过。
没有，它也不会交白卷，而是接出一段“最像答案的话”，这就是它一本正经地胡说的来由。
打个比方：你现在让它做的是闭卷考试。考的是你家的事，课本它没见过，只能凭印象蒙。
办法也就出来了：改成开卷考试。 把你家的资料放在它手边，先翻再答。这一摞专门给它翻的资料，就叫知识库。说人话：知识库不是一种更聪明的 AI，就是你给它备好的那摞课本。
一句话收住：它不缺本事，缺的是你家的课本。
二、最省事的开卷：直接把资料贴给它
最简单的开卷，是把菜单和包间规矩直接贴进对话，再问那句话。这回它就能答对：包间最低消费 800 元（假设你家定的是这个数），含花生的是哪几道。
因为它每接一个字，都要回头看一遍前文，你贴的资料就在前文里。
两三页菜单这么干完全够用。麻烦出在资料一多：员工手册、进货单、活动方案、顾客评价，加起来几十万字。它能看见的前文有上限，塞太多中间的容易漏（见《聊久了它就忘：上下文》）；每问一句都塞一遍，也太贵。这就像开卷考试，却让考生每答一题都把整本书从头读一遍。
所以资料一多，就得只翻相关的那几页。怎么挑，有两种做法。
一句话收住：资料少就整份贴，资料多了就得挑着翻。
三、做法一：切成小段，按意思挑几段
第一种做法，业内叫检索增强生成，英文缩写 RAG。拆开就是：先查（检索），把查到的塞进前文（增强），再接话（生成）。
它分两步走。
提前做好的一步：切段。 把所有资料切成几百字一段，再用一个专门的模型把每段换成一长串数字，业内叫向量。说人话：向量是一段话的“意思坐标”，意思相近，数字也相近。“花生过敏”和“含坚果，过敏者慎点”字面不一样，坐标却挨得很近。
每次提问的一步：挑段。 顾客那句话一进来，检索程序就在它和大模型之间演一出戏：
注意，大模型从头到尾没见过你的整份资料，只看到挑给它的那 5 段。好比开卷考试不许考生翻书，只许看助手按题目抄给他的 5 张小纸条。
一句话收住：切片检索＝把资料切碎，按意思挑几段，塞给它看。
四、切片检索的短板：要看全文的题，会漏
5 张小纸条，答“包间最低消费多少”绰绰有余，规矩就写在一段里。
麻烦出在后半句：“哪些菜不能点？”
假设你家菜单 80 道菜，切成 30 段，其中 9 段有放花生的菜。检索程序只挑最像的 5 段，剩下 4 段不会交到大模型手里。大模型不知道自己少看了，照样笃定地列出“含花生的是以下几道”，少了好几道，语气跟全对时一模一样。
另外，切开以后前后会断（菜名在上一段，“加花生碎”在下一段），挑的也只是“意思像的”，旧菜单和新菜单长得像，它可能挑中旧的。产品会打补丁，但“只挑一部分”的根子不变。
一句话收住：切片检索擅长“找一句话”，不擅长“数一整本”。
五、做法二：整理成带目录的词条，让智能体自己翻
第二种做法不切了，把资料整理成一条一条的词条，放在一个文件夹里：
饭店知识库/
├── 目录.md ← 每个词条一行：叫什么、一句话讲什么
├── 包间规矩.md
├── 菜品/
│ ├── 宫保鸡丁.md ← 配料、价格、含花生：是
│ └── ……一道菜一个文件
└── 顾客常问.md每个文件都是 Markdown 格式，说人话就是纯文字，人能直接读，AI 读得最顺。
关键在于，替它翻书的不再是只会挑段的检索程序，而是智能体，那个派到现场、能自己打开文件、自己搜的徒弟（下一篇细讲）。同一个问题，它这么干：
- 先打开
目录.md，看清都有什么； - 翻开
包间规矩.md，读到“最低消费 800 元”； - 把
菜品/下 80 个文件全搜一遍，找出所有“含花生：是”的，9 道，一道不少。
这回它真的从头翻到了尾，因为它能动手，一个一个翻。
2026 年 4 月，卡帕西（OpenAI 创始成员之一）把这个思路写成短文“LLM Wiki”，他说资料在一百来份、几百页这个量级，这样做效果出奇地好，向量检索都用不上。
顺手戳破一个误会：Obsidian 不是知识库。 它只是看、改 Markdown 文件的编辑器，就像 Word 不是你的合同；那一堆整理好的文件才是知识库。
你心里可能在想：一道菜一个文件，全整理一遍，我有这功夫，顾客的微信早回完了。
这话对，第一次确实费功夫。但整理这活本身就能交给 AI，你只核对价格和配料；而且整理一次，问一万次，回顾客、培训服务员、写朋友圈，翻的都是这套课本。
资料上万份时，切片检索更省事；大多数公司资料就几十上百份，整理成词条让智能体翻更稳。
一句话收住：词条＋目录＋智能体，等于让它自己翻书，想翻多少翻多少。
六、所以：你家资料整理得越清楚，AI 越懂你
AI 答得好不好，一大半取决于课本写得好不好。 课本里没有的，它翻不到；写得含糊，它答得含糊；新旧两个价都在，它就可能报错价。
所以别急着挑“知识库软件”，先整理这三份：
- 公司介绍：你是谁、在哪、做什么、营业时间、怎么联系。
- 产品价目：每样一条，写清名字、价格、包含和不包含什么、什么时候改的价。
- 客户常问：问得最多的二三十个问题，写成“问：……答：……”。
写的时候守住几条规矩：
- 一条只讲一件事。 一道菜一条，挑段、翻词条都不容易串。
- 数字写死，别写“一般”“左右”。 你写“800 元左右”，它就答“800 元左右”。
- 只留一个最新版。 别让“价目表_最终版”和“价目表_最最终版”同时躺着。
- 配一份目录。 每个文件一行，一句话说清它讲什么。
一句话收住：AI 懂你家多少，取决于你给它的课本写得多清楚。
这对你用 AI 意味着什么
| 它的原理 | 所以你该 |
|---|---|
| 旋钮里没有你家的事，不给资料它只能蒙 | 问你家的事，先给它资料：没给资料的回答一律不能直接发 |
| 资料少，整份贴进前文最准 | 资料就几页，直接贴：别为两页菜单去搭一套知识库 |
| 切片检索只挑几段给它看 | “有哪些”“一共几个”这类题别全信：要自己核数 |
| 智能体能把词条一条条翻全 | 要看全的活，交给智能体翻文件夹：资料整理成 Markdown 词条，配一份目录 |
| 课本写得含糊，它就答得含糊 | 先写好三份课本：公司介绍、产品价目、客户常问 |
速查卡
| 记住这几句 | 意思 | 细讲 |
|---|---|---|
| 闭卷和开卷 | 只凭旋钮答题叫闭卷；先翻你给的资料再答叫开卷 | 本篇 |
| 知识库 | 你给它备好的那摞课本，答题前先翻 | 本篇 |
| 检索增强生成（RAG） | 资料切成小段，按意思挑几段塞进前文，再接话 | 本篇 |
| 向量 | 一段话的“意思坐标”，意思近的数字也近 | 本篇 |
| 切片检索的短板 | 只挑几段，“一共几个”“有哪些”这类题会漏 | 本篇 |
| 词条＋目录 | 一件事一个 Markdown 文件，配一份目录，让智能体自己翻 | 本篇 |
| Obsidian | 看、改 Markdown 的编辑器，不是知识库本身 | 本篇 |
| 智能体 | 现场拎着工具箱的徒弟，能自己打开文件、搜、翻 | 《智能体是怎么替你干活的》 |
| Markdown | 纯文字的写法，# 是标题，两个星号是加粗 |
《Markdown：AI 最顺手的文件格式》 |
动手练习（5 分钟）
同一个问题，闭卷考一次，开卷考一次
先在豆包或 DeepSeek 里，什么资料都不给，直接问（方括号里换成你自己的）：
我家［店名］的［你卖得最多的一样产品］多少钱？包含哪些内容？看它是老实说不知道，还是编了一个像样的价。
然后新开一个对话，把这样产品真实的介绍和价格贴进去，再问一遍：
下面是我家的产品资料：
［把产品名、价格、包含什么、不包含什么贴在这里］
只根据上面的资料回答，资料里没有的就说"资料里没写"，不要自己补。
问题：［你卖得最多的一样产品］多少钱？包含哪些内容？两个回答摆在一起，哪个敢直接发给客户？
常见问题
问：我把资料传给 AI，它是不是就“学会”了，以后都记得？ 答：不是。传资料不会拧动旋钮，它只是这一次答题时翻了你的资料。换个对话不给课本，它照样不知道。
问：豆包、元宝里“上传文件”“建知识库”的功能，用的是哪种做法？ 答：各家没有全部公开。卡帕西点名说 NotebookLM、ChatGPT 的传文件问答和多数 RAG 系统走的是切片检索那一路；国内产品没公开，不好下定论。所以用这类功能问“一共几个”“有哪些”，要自己核一遍数。
下一篇
《知识库能解决哪些生意上的问题》：知道了知识库是怎么回事，你家第一件该拿它做什么。
参考资料
- Lewis 等，《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》，NeurIPS 2020（提出检索增强生成：资料切段、建向量索引，每次提问挑最相关的 5 段或 10 段交给模型；文中把只靠参数答题称为“闭卷”，先检索再答称为“开卷”）
- 卡帕西（Andrej Karpathy），《LLM Wiki》，GitHub Gist，2026 年 4 月（由大模型整理、维护互相链接的 Markdown 词条，答题前先读目录；称在约 100 份资料、几百页的规模上效果出奇地好，可以不用向量检索；点名 NotebookLM、ChatGPT 传文件问答和多数 RAG 系统都是“提问时检索相关片段”的做法）
学完测一测
4 道题，答对 3 道算过关
先别往回翻，凭读完的印象选。交卷后每道题都有讲解。
你什么资料都不给，直接问 AI"我家包间最低消费多少"，它回了一个像模像样的数。为什么这个数不能信？
用切片检索问"哪些菜含花生"，AI 列出的菜少了好几道，语气却很笃定。漏掉的根子在哪？
你家只有两三页菜单，想让 AI 回顾客"有没有不辣的菜"。最该怎么做？
你在整理饭店的价目资料，准备交给 AI 用。下面哪种写法最不容易让它报错价？