企业官网建设流程全解析

摘要

上一篇文章我们从 0 构建了企业知识库 RAG 系统，完成了从“用户问题”到“检索文档片段”再到“大模型生成回答”的整体链路。

但在真实企业项目中，RAG 效果好不好，往往不取决于模型调用代码写得多漂亮，而取决于一个更基础的问题：文档入库质量。

如果文档解析错误、段落顺序混乱、表格内容丢失、切片过长或过短、元数据缺失、Embedding 维度不一致、向量库写入不可追踪，那么后面的检索、重排、引用来源和回答质量都会受到影响。

本文进入 RAG 的关键工程环节：

文档解析、文本清洗、智能切片、Embedding 向量化与向量数据库入库。

本文会围绕一个企业知识库系统，完整实现文档入库链路：

上传文档 → 文件校验 → 文档解析 → 文本清洗 → 文本切片 → Embedding → 向量入库 → 元数据保存 → 入库状态更新

读完本文后，你应该能掌握：

1. 企业知识库为什么不能直接把整篇文档塞进模型；
2. PDF、Word、Markdown、TXT 等文件如何解析；
3. 为什么文档清洗和元数据比想象中更重要；
4. 如何设计面向 RAG 的 Chunk 切片策略；
5. 如何封装 Embedding 服务；
6. 如何把文本片段写入向量数据库；
7. 如何记录文档、切片和向量之间的关系；
8. 文档