一、原理篇：文档是大模型生成答案的“参考书”
在AI问答系统中，RAG（Retrieval-Augmented Generation，检索增强生成）是最常用的技术之一。它的工作原理如下：
✅ RAG工作流程简述：
-
Retrieval（检索）：根据用户提问，从知识库中找出相关段落。
-
Augmentation（增强）：将这些段落作为“上下文”输入给大模型。
-
Generation（生成）：大模型基于这些上下文，生成回答。
? 关键点：
-
模型不是“查找答案”，而是“读了上下文后，用自己的理解去作答”。
-
因此，文档结构与表达方式将直接影响生成结果。
二、规范篇：写给大模型看的文档该怎么写？
✍️ 保持语义清晰
-
避免“人类读得懂、模型却理解不了”的模糊表述。
-
句式完整、主谓宾明确、不要省略核心信息。
? 保持结构合理
-
使用统一标题层级（如
# 一级标题，## 二级标题）。 -
保持段落自洽，信息尽量集中在同一段中。
-
避免将关键信息拆成多个段落，大模型可能只“看到”部分内容。
表格与图片
-
表格应结构清晰，避免嵌套、合并单元格。
-
图片仅当必要时使用，并先写文字说明，再插入图片。
-
图片会被转化为链接，模型本身并不会“识图”。
-
一问一答结构（适用于FAQ）
-
每条FAQ尽量独立，便于系统切片和定位。
-
保证每个问答对可脱离上下文也能读懂。
三、反例篇：这些错误，千万别犯！
以下是我们在实际知识库运维中发现的4类常见问题类型，以及它们可能带来的后果：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
以下是一些典型的负向案例：
❌ 案例1：先图后文，顺序错误
# 如何在 Teams 中添加会议背景
![image001.jpg]
用户可自定义会议背景。
-
问题： 模型先读到图片链接，语义缺失。
-
建议： 先提供文字说明，再补图：
用户可自定义会议背景，点击“更多操作” → “应用背景效果”，然后上传图片。![image001.jpg]
❌ 案例2：语义重复，知识污染
Outlook自动回复可以设置为外出状态。
您可以在假期时设置自动回复。
这是Outlook的重要功能。
-
问题： 多段表述，检索时一起出现，模型无法判断主句。
-
建议： 精炼为一条标准问答：
您可以通过“文件 → 自动答复”设置Outlook自动回复，适用于假期场景。
❌ 案例3：页眉、图标干扰内容
【HR内参】
员工离职后账号多久注销？
答：5个工作日内自动注销。
【HR内参】
员工离职后账号多久注销？
答：5个工作日内自动注销。
-
问题： 多余的标记会被解析为图片或非结构内容。
-
建议： 保持简洁纯文本风格：
# 员工离职后账号多久注销？
答：员工离职后，账号将在5个工作日内自动注销。
❌ 案例4：语句不完整，模型难以参考
# 如何申请AD账号权限
填写申请表并提交至IT
-
问题： 主语缺失，动作含糊。
-
建议： 句子结构完整，动作为主：
员工需填写《AD权限申请表》，提交至IT服务台审批。
四、总结篇：三句话记住规范核心
✅ 文档是写给模型“读”的，不是给人“看”的。
✅ 结构清晰、语义完整、格式统一，是知识可用的基本前提。
✅ “写得好”，才能“答得准”；“看得懂”，才有“用得上”。
