知识管理

用 AI 知识库，已经没有任何技术门槛

2025 年 3 月 17 日

AI技术让知识库管理变得简单高效，墨问创作工具的AI知识库探索之旅。核心内容： 1. AI技术如何提升知识库内容检索与管理体验 2. 墨问团队在AI知识库技术实现中的挑战与选择 3. 火山引擎知识库解决方案的优势与接入流程

这一周多的时间，我主要在忙知识库的调研。墨问是一款创作工具，用户创作的内容多了之后，自然而然就会形成一个个的知识库，现在借由 AI 的能力，我们兴许可以做出来更好的体验。

毕竟内容一多，找起来就费劲了，没有 AI 之前，咱只能靠关键词检索。但有时候，很容易忘记到底当时用的哪个关键词。现在，AI 完全可以做到让用户针对知识库的内容随性的提问。

知识库产品的交互我倒是想得比较清楚，难点是技术实现。毕竟知识库的功能整体还是趋同的，决定产品好坏的一个关键点是回答的准确性。我测试下来，会发现不同的 AI 知识库产品，大家在这块的能力差异特别大。

底层的模型和工程能力，直接决定了产品的下限。

对于墨问这样的创业团队，我们目前还没有实力基于基座大模型，从零开发一套全新的知识库基础设施。可能说起来简单，不就是挂个 RAG 吗？不是的，这里面技术细节非常多。我随便举几个例子，怎么对内容做分片？怎么提升召回准确率？怎么整合不同模态的信息？怎么减少幻觉？

综合考虑后，我们觉得还是应该用云上的成熟能力。话说云计算现在已经像空气一样融入到我们的日常，现在我们小团队做产品，充分体会到云的价值。你想想，要是没有云计算的话，我们团队想落地大模型，那可得费老鼻子劲儿。云计算一定程度上推动了应用的创新。

后来，我一一对比目前市面上各个知识库的解决方案，最终选择了火山引擎的知识库能力。话说，目前墨问上所有的 AI 特性，都用的是火山引擎。后面我还打算接下它的搜推能力，应该还会再写文章谈我们具体的接入经验。综合使用下来，我觉得火山的 AI 能力性价比挺高的。

火山的知识库主要有几个优势：

第一，最大支持的单文档上限为 350M。作为对比，腾讯云知识引擎的单文档上限是 200M，阿里云的百炼知识库为 100M。单文档的上限对我们很重要，因为最近从数据上看，我发现用户很喜欢传大体积的 PDF 进来。

第二，支持对文档内的图片进行问答。只要在创建知识库时，开启 OCR 能力，那模型就会分析知识库中的图片。这应该能给用户带来更好的体验。毕竟现在，图片也承载了很多信息。

第三，低延迟，百亿数据规模下检索延迟毫秒级。另外技术方面，火山的知识库沿用了头条抖音同款的向量库架构，这对我也比较有吸引力。毕竟这些能力在字节的头部产品中得到了验证。

下面我还是直接展示下它的实际能力吧。

接入的话，流程非常简单。直接登录火山引擎，在火山方舟中选择“知识库”菜单。紧接着，进入页面后，官方有一个简单的指引，只需要四步，就能够完成知识库的创建。我截了图，第四步中你能看到，已经可以进行 API 调用。

但需要说明下，创建知识库，上传文档之后，系统就会开始计费。我们目前还没有充值，因为上周在文章中推过火山的裂变活动，送了不少券。你要是测试的话，也可以参与下这个活动，用我的码注册，双方都能得到一些优惠券，优惠券可以兑换 Tokens。

点击创建知识库，输入名称、描述等基础信息之后，可以对知识库进行一系列的配置，比如选择向量模型、向量维度、切片方式（注意勾选图片 OCR）、CPU 配额、索引算法、量化方式。这里面，具体每个选择项是什么意思，我不过多解释了，我们测试时，基本都是选择默认的选项。不过，我计划等后面精细化测试产品的能力时，再回来调整下向量维度、量化方式等参数试试效果的差异。

我往知识库内，分别上传了不同的文档。包括阿里巴巴的两份财报、KK 的人生建议、Manus 创始人的播客速记稿，以及几张从许知远的书中拍出来的读书笔记。这几份文档，有的大小超过了 240 M，有的纯粹就是图片，有的里面有带复杂图表的信息。接下来，我具体看看它的效果到底怎么样。

点击切片详情，能够看到具体的切片信息。

我们尝试进行第一次的检索。在许知远的采访中，我上传过几张照片，其中一张图片说了“习得性快乐”的概念。我想查查，看看能否查到。左侧模型回答参数中选择“豆包 -1.5-vision-pro-32k”之后，我在右侧对话框中向知识库发起提问，如下图，假设我已经不记得习得性快乐这个词，只是模糊地想问问与快乐相关的观点，咱们看看效果。

它确实找到了，而且还把其他几个文档中与快乐的观点也列出来。下面是我的原始图片：

继续测试，看看它对复杂文档的理解能力。说明下，我上传了一份阿里巴巴 2 月 20 日发布的 2025 财年第三财季财报，以及之前另外一份 2025 财年中期报告。我问下它能否理解上下文。这次，我换个模型，试试官方内置的 DeepSeek R1 满血版。说明下，在左侧可以更换知识库的问答模型。

换完模型后，我提问：“阿里巴巴淘宝和天猫的最新营收数据”。下图中，你能看到，DeepSeek R1 开始思考，并最终找到了哪份文件中的数据是最新的。同时，结合文档的上下文信息，它找到了最新的数据，并定位出来淘宝和天猫是淘天集团。

想接 API 的话，点击左下角的 API 调用，就会弹出来官方撰写的完整的 API 调用指南。刚才我上传文档都是基于火山引擎的图形界面完成的，最后融合到产品中，肯定不会手动做。API 部分，还囊括了文档管理、切片管理、知识库管理等等相关的能力，不复杂，也都是常用的基本能力。我们研发同学一看就懂，和其他云计算能力的调用方式一模一样。

我没办法一一还原我们所有的测试过程，整体内容还挺多的。这一周下来，我的感觉是，基于火山知识库的能力，构建一款 AI 知识库应用或者功能，已经绰绰有余。我们只需要去思考应用的交互，以及场景，并进行细处的打磨。技术的难度几乎没有，云平台已经帮我们搞定。

今天的文章是我在周末时写的，上周我还写过火山开源一系列应用的文章。我知道，很多团队并不擅长做大模型相关的 AI 技术，却擅长做应用，他们过去积累了对某个行业的深刻理解。

虽然 AI 应用这几年一直呼声很高，但今年，我确实真切感觉到火候到了。大模型的能力越来越强，越来越便宜，而且，像火山引擎这样的云平台，基于大模型之上，还做了各种场景的垂直能力，这都进一步降低了应用的落地门槛。

AI 应用是有机会窗口的。现在确实到了可以下重注的时候。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

用 AI 知识库，已经没有任何技术门槛

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单