同事在群里甩了一张截图 上周三下午,运营在群里 @ 我,配了张图:用户问"退款多久到账",机器人答"7 个工作日内"。而政策文档在 6 月 2 日就改成了"3 个工作日"。 后台里那份 PDF 更新时间是 6 月 2 日 15:47,状态"已解析、已入库"。文档是新的,索引里的内容是旧的。 这篇记录
知识库从 5 万文档涨到 320 万,第一版设计撑不住了 我们公司的知识库最早是给客服用的,5 万篇 FAQ,存储设计得很随意:一张 kb_doc 表,切片直接以 JSON 数组的形式塞在 chunks 字段里,向量存在 Milvus 里,两边用 doc_id 关联。 这个设计在 5 万篇的时候完全
8.6 万份文档,Tika 抽出来的表格全是乱码 去年底接了个企业知识库的项目,要把公司十年积累的技术文档、产品手册、标书、合同模板全部灌进 RAG。总量 8.6 万份,PDF 占 45%,Word 30%,Excel 15%,剩下是 PPT 和 HTML。 第一版我图省事,直接用 Apache T