11  语义检索、向量检索与知识关系

本章产出： 关键词、向量、结构化查询、语义层和知识图谱的选择矩阵，以及一条可追溯、可评估的企业检索链路。

检索增强生成常被简化为四个步骤：切分文档、生成向量、召回片段、交给模型回答。这个方法适合快速验证，却不足以覆盖企业真实问题。用户问“这台设备为何不适用新版固件”，既需要从手册中找说明，也要精确查询设备型号和当前版本，还可能沿零件、批次与服务公告关系寻找限制。仅凭文本相似度，系统可能召回内容相近但型号错误的文档；仅凭关键词，又可能漏掉企业缩写、同义词和自然语言表达。

企业知识访问不是在几种检索技术中选一个冠军，而是为不同问题选择正确入口，并在一次任务中组合。可靠性来自查询规划、语义过滤、混合召回、证据排序、权限控制、版本追踪和持续评估，而不只是 Embedding 模型的好坏。

11.1 五种知识访问方式

方式	擅长解决	主要局限
关键词检索	编码、专名、精确短语、法规条款	难理解改写和隐含语义
向量检索	自然语言改写、语义相似、经验案例	精确条件弱，可能语义相近但事实不适用
结构化查询	精确过滤、聚合、数值与当前状态	依赖已知模式，难处理长文本表达
语义层	统一指标、实体、口径和查询意图	建模与维护需要领域投入
知识图谱	多跳关系、路径解释、影响分析	建设成本高，关系质量决定效果

关键词与向量通常组合为混合检索：前者保住设备编码、零件号和专有名词，后者覆盖用户不同表达。结构化查询负责“库存大于零”“当前固件版本”“保修截止日期”等确定条件。语义层把“首次修复率”“有效客户”等业务语言映射到稳定计算。知识图谱适合回答“这个批次零件影响了哪些设备、客户和工单”这样的关系问题。

不要将所有数据文本化。数值范围、日期比较、权限判定和交易状态应由确定性服务处理；文本检索提供解释与经验；图关系提供路径。Agent 可以规划调用，但每种工具的输入输出和权限必须受控。

11.2 从问题类型规划检索

检索设计首先建立问题分类，而不是直接调整 Top-K。企业问题大致可以分为：

• 定位型：寻找某份制度、某个设备编码或一条公告；
• 事实型：查询当前状态、负责人、日期或数值；
• 解释型：理解规则、原因、方法和操作步骤；
• 比较型：对比版本、方案、区域或时间；
• 关系型：追踪上下游、适用范围和影响路径；
• 综合型：组合事实、规则、经验后形成建议；
• 行动型：在取得上下文后调用业务工具。

不同类型使用不同计划。事实型优先结构化查询，解释型使用混合检索，关系型使用图或实体关系，综合型需要分解子问题再融合证据。系统也要识别用户问题中的实体、时间、区域、版本和业务目的，把它们转成过滤条件。若无法识别设备型号，应先澄清，而不是在全库中猜一个答案。

山城精工的“设备报 E37 如何处理”缺少设备身份。助手应要求序列号或从当前工单获得设备，再查询配置和固件，过滤适用手册，召回 E37 章节与已确认相似案例，最后检查安全规则和备件状态。检索链体现的是任务逻辑，而不是一次向量搜索。

11.3 分块是一项语义设计

Chunk 决定检索系统能够返回什么证据。固定长度切分实现简单，却可能把标题、条件、安全警告、表头和操作步骤拆散。块太小，上下文不足；块太大，噪声增加、定位变差、成本上升。

企业文档应优先利用结构：章节、段落、列表、表格、问答、图注和代码块。可以保留父块与子块：子块用于精确召回，父块用于补充上下文。每个块都要继承文档标识、版本、页码、标题路径、适用产品、语言、权限、有效期和审核状态。

表格要保持表头与行的关系，警告框要与对应操作关联，跨页段落要恢复。扫描件需要保存 OCR 置信度，低质量块可以降低排序或进入人工复核。对视频和录音，时间戳相当于页码，引用应能回到原位置。

分块规则本身要有版本。当算法调整后，索引中的块标识、来源范围和生成版本应保留，便于重建和比较。若只保留向量而无法返回原文位置，就失去了证据链。

11.4 Embedding 与索引生命周期

向量表示会随模型、维度、预处理和语言策略变化。索引记录应至少包含源资产与版本、块标识、内容摘要、Embedding 模型和版本、生成时间、权限标签及索引版本。源文档更新、撤回、权限改变或保留期到达时，系统能够定位所有相关向量并更新或删除。

不要假设新的 Embedding 模型一定更好。迁移前应使用企业评测集比较召回、精确、语言与专名表现、延迟和成本。大规模索引可以双写或建立并行版本，在受控流量中验证后切换，并保留回滚。

增量索引要处理同文档多版本、内容未变的重复发布、失败重试和删除传播。索引完成率不是唯一质量指标，还要检查适用元数据是否正确、权限过滤是否生效、源与索引是否对账。

11.5 混合召回与重排

一个常见的可靠链路包含：

1. 解析查询意图、实体和时间；
2. 根据身份和目的确定可见范围；
3. 用结构化条件过滤领域、型号、版本和有效期；
4. 并行执行关键词、向量或关系召回；
5. 合并、去重并通过重排模型或规则排序；
6. 做证据充分性和冲突检查；
7. 将少量高质量证据交给生成模型；
8. 输出引用、限制，必要时澄清或拒答。

混合检索的权重应按问题类型调整。设备编码和错误码提高关键词权重，自然语言故障描述提高向量权重，正式制度优先认证与最新有效版本，历史案例还要考虑型号相同、结果已确认和时间接近。重排不应只看语义相关性，还应加入权威性、时效、适用范围和质量信号。

Top-K 不是越大越好。召回过多会稀释关键证据，增加模型成本和冲突。可以先广召回，再精排压缩；对于长文档，先召回章节再展开局部。若证据之间冲突，应把冲突作为结果处理，而不是让语言模型悄悄选择。

11.6 知识图谱何时值得建设

知识图谱不是 AI Ready 的必选项。当问题主要是文档解释和少量精确过滤，混合检索加结构化服务可能足够。图谱在以下场景更有价值：

• 需要跨多个系统进行多跳影响分析；
• 同一实体存在大量别名、层级和复杂关系；
• 关系本身比文本内容更重要；
• 需要解释“通过什么路径得到结论”；
• 关系可持续从权威数据和流程维护。

山城精工可以先把设备—型号—配置—零件—手册—工单建立为轻量关系模型，不必一开始建设企业全域图谱。当召回频繁因实体别名和适用关系失败，或要分析某零件批次影响的设备、客户和服务公告时，再扩展图服务。

图谱的挑战不在存储，而在关系的真实性、时间和责任。设备安装关系会变化，零件替代有条件，客户组织有层级，手册适用范围有版本。边需要来源、有效期和置信度。错误关系会让多跳查询放大错误，因此图质量同样需要契约、检测和人工审核。

11.7 权限过滤必须发生在召回之前

如果先从全库召回再在生成后遮蔽，模型已经看到了无权访问的内容，也可能通过措辞泄漏。检索应根据用户、角色、区域、客户关系、使用目的和文档分类，在候选生成前缩小范围。向量数据库的元数据过滤能力、搜索引擎的文档级权限和结构化服务的行列策略需要统一身份。

块级权限应继承文档，并允许章节更严格。例如合同正文可供法务查看，价格附件只对少数角色开放。跨来源综合还要考虑推断风险：两个各自可见的字段组合后，可能暴露敏感结论。

权限变化和删除要及时传播到索引与缓存。可建立权限版本，过期索引拒绝服务或降级到权威查询。检索日志本身也可能包含敏感查询和文档标识，需要最小化、访问控制和保留期限。

11.8 证据链与引用

可追溯回答至少要保存查询、过滤条件、召回候选、排序结果、最终证据、源版本、生成配置和输出。用户看到的引用应能打开有权限的原文位置，而不是只显示一个文件名。

引用不是装饰。系统应检查关键结论是否由引用支持、引用是否仍有效、数值是否来自结构化工具、回答是否超出证据。对于一段答案包含多个结论，可以建立结论到证据的映射。高风险任务中，某些字段只能从工具返回填充，生成模型只负责解释。

如果证据覆盖不足，系统应声明缺口。可靠的回答可以是：“当前只能确认 A；B 所需的配置记录缺失，因此不能判断，建议核对序列号。”这比补全一个貌似完整的结论更有价值。

11.9 检索评估

生成答案的总体评分无法替代检索评估。至少分开观察：

• 召回率：应出现的证据是否进入候选；
• 精确率：候选中有多少真正适用；
• 排序质量：关键证据是否排在有限上下文内；
• 过滤正确性：型号、时间、权限等条件是否准确；
• 引用正确性：答案引用是否支持对应结论；
• 无答案识别：资料不足时是否拒绝或澄清；
• 延迟与成本：在目标 SLO 内需要多少资源。

评测集来自真实问题，并标注问题类型、实体、预期证据、禁止证据和答案状态。要覆盖同名不同义、旧版本、相似型号、权限边界、恶意指令和无答案问题。线上还要观察零结果、查询改写、用户打开引用、人工替换证据和最终任务结果。

评测需要按索引、分块、Embedding、重排和查询规划版本保存。一次指标提升应能说明改了哪一层，避免只看端到端分数而无法定位。

11.10 山城精工的检索组合

首期可以采用以下设计：

• 对错误码、零件号、手册编号使用关键词检索；
• 对现场自然语言描述和历史工单使用向量召回；
• 用设备型号、固件、地区、日期和认证状态做结构化过滤；
• 从设备上下文 API 获取当前配置与合同事实；
• 用轻量实体关系连接设备、零件、手册和案例；
• 对候选按适用性、权威、有效期和相似性重排；
• 库存与权限不进入静态文本索引，查询时调用权威工具；
• 证据冲突或覆盖不足时澄清、拒答或转专家。

这套组合不会保证永不出错，但能显著约束错误空间，并让每次失败可以归因：是实体识别、过滤、召回、排序、源数据还是生成出了问题。

11.11 本章交付物：检索设计矩阵

架构评审时，应为每类问题填写：

设计项	应回答的问题
问题类型	定位、事实、解释、比较、关系、综合或行动
入口	关键词、向量、结构化、语义层、图或组合
过滤	实体、版本、时间、领域、权限与目的
证据	权威来源、适用范围、质量、引用粒度
生命周期	分块、Embedding、索引、更新、撤回与删除
评估	黄金证据、边界样本、指标、版本和线上反馈
失败处理	澄清、扩大检索、降级、拒答或人工升级

检索的目标不是“尽可能找到相似内容”，而是在当前任务、身份和时间下找到足以支持判断的正确证据。关键词、向量、语义和关系只是不同的透镜；真正的企业知识能力，是知道何时使用哪一面透镜，如何组合结果，以及在看不清时停止作答。