知识库会腐烂：企业RAG的衰减规律与四条养护机制

📅 2026/4/26 ✍️ 小文 📖 约 1 分钟

上线三个月后RAG答不准，往往不是模型退化，而是知识库在腐烂。拆解四类衰减（过期、冲突、碎片、漂移），给出巡检机制、冲突消解规则与人力预算。

上线时的 92 分，三个月后的 71 分

一个典型的 RAG 项目：验收时评测通过率 92%，三个月后同样问题集的通过率掉到 71%。团队第一反应是”模型是不是变笨了”，第二反应是”要不要换更好的模型”。

实际原因通常很朴素：知识库变了，检索没变，文档没人管。

政策改了、价格调了、流程变了，文档还是旧的。这是最主要的一类，通常占到衰减原因的 50% 以上。

关键指标：文档中位数年龄（天）。如果客服场景的中位数超过 90 天，基本可以确定有过期内容在影响回答。

缓解：每篇文档必须在 frontmatter 里有 owner 和 next_review 字段，到期自动进巡检队列。

同一件事三份文档说法不同——旧版制度没下线、新流程和 FAQ 打架。RAG 会把三个冲突片段一起喂给模型，模型要么选一个（碰运气），要么把矛盾都说出来（用户懵）。

关键指标：检索命中片段间的语义矛盾率。做法是抽样 100 个查询，看 top-5 片段中是否存在互相矛盾的陈述。

文档被切碎了，单块检索出来是”半句话”。比如”退款需在签收后 7 日内提出”和”（不含定制商品）“被切到了两块，只检索到前者就会给出错误答案。

关键指标：检索片段的”自足率”——单独读这一段，是否构成完整可用的信息。

业务本身变了。用户开始问一年前不存在的问题，旧知识库的覆盖度下降。

关键指标：未命中率（检索最高分低于阈值）与转人工率。这两个指标持续上升，说明知识库需要扩容而不是优化。

强制三字段，缺一个不进库：

owner: 客服运营组-张楠
last_verified: 2026-03-12
next_review: 2026-09-12
authority: 1   # 1=正式制度 2=操作指引 3=FAQ 4=草稿

authority 是关键：冲突时按权威等级排序，制度优先于 FAQ，不用让模型自己猜。权威等级 + 更新时间双排序，是消解冲突最有效的一招。

不需要全量重测，每周抽 30 条上周转人工或差评的对话，人工判断是”知识缺失、知识过期、还是模型问题”。

三类归因的处理路径完全不同：

这个分布会改变你的工作重心——60% 以上的问题不该由 AI 团队解决。

最高效的知识生产机制是：把用户的高频问法反写进文档。

用户不会用你的官方术语提问。制度写”订单履约异常处理”，用户问”我的单号一直不动是怎么回事”。后者才是检索时真正出现的 query。

做法：每月从检索日志里取 top 100 query，去重归类，给每类补 2–3 条同义表述写进文档末尾的”常见提问”小节。这一步通常能带来10–15 个点的召回提升，成本极低。

管理员只做增删改，出现问题没人负责内容是否正确。正确做法是按领域分责任人：

每季度责任人签一次”本领域知识复核”，复核记录进审计。没有这个流程，没有人会主动更新文档——这不是执行力问题，是激励结构问题。

以 2000 篇文档、月活 5 万次问答的中型知识库：

6 人天换 20 个点的准确率，比换更贵的模型划算得多。

RAG 不是”接了知识库就完了”的产品，是一个需要持续喂养的系统。 上线只完成了 30%，剩下 70% 是运营。评估一个团队 RAG 做得行不行，别问用了什么模型，问”你们多久巡检一次知识库”。