Agent 实操入门 10：让 Agent 说你公司的“话“——知识库与 RAG 入门

前九篇，你学会了怎么用、怎么用得安全、怎么避开坑、怎么持续进阶。

但有一个问题一直悬在头顶：通用的 Agent 不懂你的公司。
它不知道你们的产品叫什么、流程怎么走、客户政策是什么——于是它只能"编"。

这一篇，给你一把解药：知识库 + RAG。它能让 Agent 基于"你给的资料"回答，少瞎编、能溯源。
这也是你从"个人提效"走向"企业方案"最关键的一步。

一、为什么通用 Agent 会"不懂装懂"？

回想第 8 篇讲的"幻觉"：Agent 底层是语言模型，它的知识来自训练数据，有截止日期、没有你的内部信息。

所以当你问它：“我们公司的退货政策是怎样的？”“客户 A 的实施方案里第三步是什么？”

它会有两种反应：

  • 编一个：听起来很像，但完全是错的（最危险）
  • 说不知道：因为训练数据里根本没有你公司的资料

一句话：没有资料的 Agent，就像一个没看过员工手册就上岗的实习生——只能靠猜。

第 8 篇教你怎么"识别幻觉、人工把关"。这一篇教你怎么"从根上减少幻觉"——把资料喂给它。

二、知识库是什么？（大白话版）

知识库 = 你给 Agent 的"专属资料包"。

类比说明
实习生的入职培训手册新人上岗前，HR 给他一堆资料：公司介绍、产品手册、流程规范
你的私人书架你把自己的笔记、文档、模板全摆出来，Agent 需要时就去翻
带索引的档案柜不是堆在一起，而是分好类、能快速找到某一页

没有知识库的 Agent：靠脑子（训练数据）硬答 → 容易编。
有知识库的 Agent：先翻你的资料再答 → 靠谱、可溯源。

注意：知识库不是"把文件传上去就完事"。它是一套**“存资料 + 能检索”**的机制，下面讲 RAG 时会明白为什么。

三、RAG 是什么？（核心概念，慢慢看）

RAG = Retrieval-Augmented Generation，检索增强生成。

名字唬人，拆开就三件事：先检索（Retrieval）、再增强（Augmented）、后生成（Generation）。

3.1 普通 Agent 的回答流程

你提问 → 模型凭训练记忆硬答 → 输出（可能编）

模型脑子里没有你的资料，只能"猜"。

3.2 RAG Agent 的回答流程

你提问 → ① 检索：去你的知识库里，找出和最相关问题相关的几段资料 → ② 增强：把"问题 + 搜到的资料"一起交给模型 → ③ 生成：模型基于这些资料作答，并标注出处 → 输出（基于真实资料，少瞎编）

关键区别：普通 Agent 是"凭记忆答"，RAG Agent 是"先查资料再答"。这就像考试——开卷考试（RAG）总比闭卷硬编（普通）靠谱。

3.3 一张图记住 RAG

┌─────────────┐ │ 你的知识库 │ （产品手册/流程/政策/历史方案） └──────┬──────┘ │ ① 检索相关片段 ▼ 提问 ──→ [ 检索器 ] ──→ 相关段落 A、B、C │ ② 拼进问题 ▼ [ 大模型生成 ] ──→ ③ 基于 A/B/C 作答 + 标注来源 │ ▼ 最终答案（可溯源）

四、一个真实例子：差别有多大？

场景：客户问"你们的标准实施周期是多长？"

没有知识库的 Agent

“根据行业标准，一般实施周期为 2~4 周。”（它编的，你们公司实际是 6~8 周，还说"行业标准"显得很权威）

→ 你拿去回客户，承诺了 4 周，实际要 8 周，埋雷。

有知识库（RAG）的 Agent

“根据《XX 产品实施规范 V3》第 2.1 条，标准实施周期为6~8 周，其中需求确认占 1 周、部署占 3 周……（来源：实施规范 V3 / 第 2.1 条）”

→ 答案来自真实文档，还标了出处，你一眼能核实。

这就是 RAG 的价值：把"编的"变成"有出处的"。

五、你能怎么搭一个最小知识库 Agent？（三步走）

不需要学编程。主流平台（WorkBuddy、Coze、Dify 等）都内置了知识库功能。核心三步：

Step 1：准备资料（最重要，也最容易被忽略）

把你要 Agent 依据的资料整理好：

该放什么例子
产品/服务手册功能说明、定价、版本差异
流程规范实施流程、审批流程、SOP
政策制度退货政策、售后条款、合规要求
历史方案/案例脱敏后的成功案例、模板
常见问答客户常问的 50 个问题及标准答案

⚠️复习第 8 篇：放进知识库的资料，同样要脱敏！客户名、金额、个人信息先处理掉。知识库不是"保险箱"，别把红线区信息塞进去。

Step 2：上传并建立索引

在平台里新建一个知识库，上传文件。平台会自动做两件关键的事（你不用懂原理，知道它在干啥就行）：

  • 切片：把长文档切成小段落（一段一段存，方便精准检索）
  • 向量化：把每段话转成一串"语义指纹"，让"意思相近"的内容能被找出来（比如你搜"退货"，它能找到写"退款"的那段）

这一步你唯一要操心的：切片别太碎也别太长。太碎会丢失上下文，太长会引入无关内容。多数平台有默认设置，先跑通再用真实效果微调。

Step 3：写提问规则，强制"带出处"

在专家/助手的指令里加一句（呼应第 4 篇五要素中的"要求"）：

回答时只能基于知识库内容。 每条结论必须标注来源（出自哪个文件的哪一部分）。 如果知识库中没有相关信息，明确回答"资料中未提及"，不要编造。

这等于给 Agent 上了双保险：既限制它用资料，又逼它亮出证据。

六、知识库不是万能的：四个坑要避开

RAG 能大幅减少幻觉，但它有边界。新手最常踩的四个坑：

坑表现怎么避
资料过期知识库里是旧版手册，Agent 按旧的答建立"资料更新机制"，重要文档改了就重新上传
切片质量差一段话被切成两半，检索时只找到半句，答非所问上传前把文档结构理顺，标题层级清晰
检索不到问题措辞和资料不一样，搜不到相关内容在提问规则里允许 Agent 先"改写问题再检索"
过度依赖以为有知识库就绝对不会错，不再核查第 8 篇的验证清单照用不误——带出处的答案也要抽检

记住：知识库让 Agent"更可能答对"，但不等于"一定答对"。它把错误率从"经常编"降到"偶尔错"，但人工把关那一关不能撤。

七、和前面几篇的呼应

这一篇不是孤立的，它把前面学的串了起来：

  • 第 8 篇（安全）：知识库资料要脱敏，带出处的答案仍要验证 → 本篇 Step 1、第六节
  • 第 4 篇（指令）："只基于知识库、标注来源、不知道就说"是五要素"要求"的高级写法 → 本篇 Step 3
  • 第 9 篇（进阶 L4）：知识库 / RAG 正是"解决方案构建者"的核心能力 → 本篇是 L4 的第一块地基
第8篇 防幻觉（人工把关） ↑ 治标 第10篇 知识库+RAG（从根上减少幻觉） ↑ 治本 + 企业级能力

八、系列完整地图（1~10 篇）

篇主题一句话总结
01Agent 是什么会思考 + 会动手的 AI，能感知、规划、执行
02工具怎么挑怎么用七大功能，新建任务是真正让它动手
03Markdown 格式结构化文本是 Agent 的通用语言，还省积分
04指令写作五要素框架：角色+任务+背景+要求+示例
05专家+技能+自动化把好指令固化，一次调好反复用
06多 Agent 协作复杂任务拆步骤，多 Agent 分工配合
07实战场景拆解五个真实场景跑通全流程
08安全与验证知道什么能给、怎么防幻觉、怎么验证输出
09避坑与进阶避开六个误区，按 L1→L4 路线持续成长
10知识库与 RAG喂资料给 Agent，让它基于真实内容答、可溯源

九、写在最后

你现在已经掌握了"个人提效"的全部基本功，又补上了通往"企业方案"最关键的一块拼图——让 Agent 说你公司的"话"。

回顾这十篇，一条清晰的成长线就出来了：

懂概念（01）→ 会工具（02~03）→ 写指令（04）→ 固化复用（05）→ 协作编排（06~07）→ 安全靠谱（08）→ 避坑进阶（09）→ 企业级能力（10）

下一步，如果你真想往"解决方案架构师"走，可以挑你们公司一份真实、脱敏过的文档（比如一份实施 SOP），按本篇三步法，搭一个最小知识库助手试试。跑通的那一刻，你就不再只是"Agent 的使用者"，而是能用 Agent 解决真实业务问题的人。

本文是《Agent 入门学习指南》系列第十篇（知识库篇）。
通用的 Agent 是"聪明的陌生人"，有知识库的 Agent 才是"懂你公司的自己人"。
从这一篇起，你开始具备交付企业方案的能力。