让 AI 只根据你的资料回答

知识库不是“让 AI 永远记住”

前面三课讲的是一次对话里的短期记忆。知识库解决的是另一个问题：当资料很多时，系统先找出和问题最相关的片段，再把这些片段交给 AI 组织答案。

这也正是普通对话里的 AI 答不好「你自己的事」的原因：它有知识截止日期、默认不联网，并不知道你公司的规则、你家的账单，或你去年写下的笔记（这一点在第0课就讲过）。想让它基于这些「私有、最新」的资料回答，光靠提问没用——得先把资料检索出来喂给它。知识库 / RAG 做的，正是这件事。

这套做法常被叫作 RAG检索增强生成：先找资料，再根据资料生成回答。名字听起来很技术，动作其实只有三步：

真正的 RAG 系统会自动检索大量资料。本课先做一个最小版本：用一小段文本练会同样的“先找依据、再回答”习惯。

先做一个最小资料问答

准备一段你熟悉、也方便核对的资料，例如活动规则、会议纪要或产品说明。第一次练习控制在一两页以内，先把回答边界做对。

你是资料整理助手。请只根据【资料】回答【问题】。

规则：
1. 先在资料里找相关内容，再回答。
2. 资料里没有答案，就写“资料中没有这条信息”。
3. 每个结论后附一小段原文依据。
4. 不用常识或猜测补全资料里的空缺。

【资料】
把你的资料粘贴在这里

【问题】
把你的问题写在这里

练习：资料没有写，就不要猜

怎样判断回答值得信

“根据资料回答”不等于“答案一定正确”。资料可能过期、互相矛盾，也可能漏掉关键条件。每次验收时看三件事：

1. 能不能回到原文：每个关键结论都能在资料里找到对应句子。
2. 有没有越过边界：资料没写的部分，AI 是否明确承认不知道。
3. 资料是否仍然有效：日期、版本和适用范围是否符合当前问题。

如果回答很重要，例如合同、医疗、财务或公开发布内容，仍要由人回看原文并作最终判断。