知识库优化

按资料质量、分块策略、检索参数和固定样例回归的顺序持续优化知识库效果。

功能概述

知识库上线后不会自动一直保持最佳效果。
随着文档增多、问题变复杂、业务范围扩大，命中质量和回答稳定性都需要持续调优。

适合：

开始优化前，建议准备：

优化前先确认文档本身是否已经有问题，例如：

如果资料本身有问题，参数调优通常收益有限。

当确认资料质量基本正常后，再观察：

这一步会直接影响命中精度和上下文完整度。

常见重点包括：

参数调优的目标不是“结果越多越好”，而是让最相关内容更稳定地排在前面。

调优时最怕一次改太多。
建议遵循下面顺序：

每次只改一类后，都用同一批问题重新回归。

知识库侧的命中变好后，最后再回到 Agent 中验证：

如果知识库侧已经明显变好，但 Agent 仍不稳定，再继续看提示词或模型层。

一轮有效的知识库优化，至少应看到：

很可能问题不在参数，而在资料本身。
如果资料冲突、过期或主题混杂，再细的调参也难以长期稳定。

因为没有固定样例，你很难知道这次优化到底是变好了，还是只是碰巧换了另一种不稳定表现。

因为最终用户看到的是 Agent 的回答，而不是检索分数。
知识库调优是否真的有价值，最终还要体现在应用效果上。