Kotaemon 文档问答助手

问题：当文档成为知识坟墓

团队内部文档往往陷入两种困境：要么散落在十几个共享盘里，员工搜索时只能得到一堆静态 PDF；要么塞进某个聊天机器人后，回答要么胡编乱造要么甩你一堆无法验证的片段。RAG 文档问答助手（Kotaemon）要解决的正是这个“文档太多找不到、找到了看不懂”的痛点。

核心工作方式

该技能遵循 RAG 四步闭环方法论，把静态文档转化为可对话的知识伙伴：

1. 入库阶段：文档自动切分并向量化存储，同时保留原始页码信息，为后续溯源打基础。
2. 检索阶段：采用 混合检索策略（关键词+向量），根据问题召回最相关片段，支持动态调整检索阈值避免答非所问。
3. 生成阶段：大模型基于召回片段生成回答，强制标注引用来源（文档名+片段位置），用户可点击核对原始上下文。
4. 评估阶段：收集用户对回答准确性的反馈，反向迭代文档切分策略和检索参数，形成自优化循环。

可溯源才是关键

每个回答都附带来源追溯能力，这是区别于普通聊天机器人的核心特征：

• 当问题超出文档范围时，会明确回答“文档未覆盖”，而非编造答案
• 敏感文档支持权限隔离，确保机密内容不会泄漏到回答中
• 多轮对话会保留上下文，但每轮回答都重新标注当前引用来源

配置与体验

• 支持拖拽上传 PDF/Word/PPT 等多种格式文档
• 提供检索阈值滑块，可平衡回答相关性和覆盖率
• 内置对话上下文管理器，避免长对话中的信息丢失
• 权限系统支持按部门/项目隔离知识库

适用边界与注意点

• ✅ 适合需要精确引用出处的企业文档问答场景
• ✅ 适合需要持续优化回答质量的内部知识管理
• ⚠️ 不适合实时性要求高于10秒的即时问答（RAG天然有检索延迟）
• ⚠️ 不适合完全开放的公共知识库（权限隔离需额外配置）
• ⚠️ AI生成内容需人工复核，特别是涉及财务/法律等敏感领域的结论