知识工程进阶之一：从资料堆到知识库：先做信息分层
资料多，不等于知识系统强。
没有分层的资料堆，只会把检索噪声一起放大。
先给结论
很多团队一做 RAG，就急着上传文件、建向量库、跑检索。
但真正决定后面效果的，往往不是“有没有索引”，而是：
- 资料有没有先分层
- 来源有没有先分级
- 更新机制有没有先想清
知识工程的第一步，不是 embedding，而是信息整理。
为什么一上来就建库，后面常常越做越乱
因为不同类型的信息被混在了一起：
- 正式规范
- 草稿方案
- FAQ
- 用户评论
- 过时文档
- 临时会议纪要
这些东西一旦没有区分，后面模型就容易：
- 把草稿当定稿
- 把评论当事实
- 把旧版本当新标准
所以知识系统最先要解决的，不是“能不能搜到”，而是“搜到的东西值不值得信”。
最有用的第一层分法
你可以先按四个维度分层：
1. 按信息性质分
- 规则类
- 事实类
- 经验类
- 过程类
2. 按可信度分
- 官方正式材料
- 团队确认材料
- 个人经验材料
- 未验证材料
3. 按时效性分
- 长期稳定
- 周期更新
- 高频变化
- 临时性内容
4. 按使用场景分
- 查规范
- 查背景
- 查案例
- 查当前状态
这一步一做，后面检索和上下文组装会轻松很多。
为什么这很像嵌入式里的资源分层
因为本质上都是在做：
- 先分类
- 再决定放哪
- 再决定谁来读
- 再决定什么时候更新
知识工程做得好，模型拿到的是“结构化资料入口”。
做得不好，模型拿到的是“看起来都像文档的一堆文本”。
知识系统最少要有哪几类元信息
每份内容最好至少带这些标签：
- 来源
- 更新时间
- 版本
- 适用范围
- 权威级别
如果没有这些元信息，后面你很难做：
- 检索过滤
- 新旧冲突处理
- 结果解释
- 过期清理
一句带走
知识工程的第一步，不是“怎么搜”，而是“先把信息分清”。
资料一旦不分层，后面越工程化，噪声放得越大。