知乎大模型11期|22 项目实战企业知识库1

这门课把大模型落地到企业知识库这个具体场景里，属于项目驱动型内容，不是纯讲原理。它要解决的问题很明确：公司内部文档散落在各处，员工查资料靠翻聊天记录和共享盘，问答质量参差不齐。学完这一节，你应该能自己搭一个能跑起来的知识库问答原型，而不是停留在调 API 聊天的层面。

它解决的是哪类工作场景

企业知识库的难点不在模型本身，而在几件事：文档怎么切、切完怎么存、用户提问怎么找到相关片段、找到之后怎么让模型别乱编。这套内容围绕 RAG 展开，前面铺垫了 Python 基础、Prompt 设计、Embedding 与向量数据库，到这里才把线收拢到项目上。换句话说，它假设你已经知道向量检索大概是怎么回事，现在要把它拼成一个完整流程。适合的岗位方向包括内部工具开发、AI 应用后端、以及需要给业务部门交付问答系统的开发同学。如果你只想了解大模型能干什么，看这一节会偏重工程细节，性价比不高。

适合什么基础，先看哪几块

零基础直接进项目实战会卡住。建议至少能读懂 Python 代码、知道 HTTP 接口怎么调、对数据库有基本概念。如果这几项都陌生，先补前面的 Python 基础和 Prompt 设计部分，再回来看知识库。已有开发经验但没碰过 RAG 的人，可以跳过语言基础，重点看 Embedding 和向量数据库那一块，再进项目实战。顺序上，先理解文档切分和检索召回这两步，再去看问答生成和结果拼装，因为前者决定系统能不能用，后者决定回答好不好看。很多人反过来做，先调生成，结果召回全是无关内容，怎么调提示词都没用。

学完能独立做什么，资料怎么配合练

按项目走完，你应该能独立完成一个企业知识库的最小可用版本：导入一批内部文档，做切分和向量化，接一个检索接口，再让模型基于召回内容作答。能自己判断召回不准是切分问题还是向量模型问题，也能给回答加上引用来源。这已经够支撑一个内部试用版本。资料里的项目实战分两节，建议第一遍先跟着跑通，第二遍关掉参考自己重写检索和拼装部分。练习时别只用课程给的样例文档，换成你手头真实的制度文件或产品手册，问题会暴露得更快。另外，智能招聘面试模拟和 AI 搜索类应用那几节，本质是同一套检索思路换场景，有余力再看，不必一开始就铺开。

整体判断：这是一门偏工程落地的内容，价值在于把 RAG 从概念推到可运行的系统。如果你正被内部知识查找效率低这件事困扰，或者想拿一个真实项目练手，值得投入时间。如果只是想要一个大模型概览，可以先放着。