Agent Skills
返回列表
RAG 知识库一键搭建

RAG 知识库一键搭建

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_69009747/rag-knowledge-base-builder。

技能介绍

解决什么问题

大模型直接回答常见问题时，容易出现幻觉、引用过时信息，以及无法读取企业私有资料。对于内部制度、合同审查、客服 FAQ、产品手册、设备运维等场景，需要让模型先检索可信文档，再生成回答。

如何工作

该技能给出一条从环境搭建到问答链的工程路径：

  • 基础组件：使用 Milvus 做向量存储，Ollama 运行本地模型，MinIO 管理文档对象。
  • 文档解析：支持 PDF、Word、Excel、Markdown、TXT 和图片 OCR，覆盖表格、多 Sheet、编码与标题层级等常见细节。
  • 分块策略：按场景选择 chunk_size 与 chunk_overlap，制度文档偏小分块，技术文档偏标准分块，FAQ 按问答对切分。
  • 检索生成：推荐 BM25 + 向量检索 + Rerank 的混合链路，提升专有名词、缩写和高精度问答表现；复杂关系场景可叠加 GraphRAG。
  • 权限与运维：提供 Milvus Partition Key 等权限分级参考，以及索引构建、模型拉取、生产部署注意事项。

适用边界

小型知识库通常不需要 GraphRAG，混合检索即可；大型复杂知识体系再考虑知识图谱增强。扫描件依赖 OCR，首次运行需要下载模型，索引构建会随文档量增长，生产环境应关注集群与 GPU 推理成本。

使用场景

  • 整理内部制度 PDF 与 Word 文档，搭制度问答知识库，支持按章节小分块和检索。
  • 将产品手册、FAQ 和 Excel 资料解析入库，构建客服或新人培训答疑知识库。
  • 审查合同与产品资料，用 BM25、向量和 Rerank 处理专有名词与缩写检索。
  • 对超过 500 页的复杂知识库加入 GraphRAG，完成实体关系查询和多跳推理。

适合人员

  • 负责企业文档问答系统的后端工程师，需要落地 Milvus、Ollama、MinIO 与检索链路。
  • 需要把合同、制度和产品手册变成可检索问答的知识库产品经理，要控制分块和权限。
  • 维护客服知识库或培训资料的产品运营，要解析 PDF、Excel、Word 并处理 OCR 和表格。
  • 设计企业级 RAG 方案的算法工程师，要比较向量、BM25、Rerank 与 GraphRAG 的边界。