营销 RAG：让答案连接获批知识

核心观点

RAG 检索相关资料，并将其提供给模型作为生成上下文。它可能改善依据，但不保证答案正确或完整。

选择具有负责人、日期和权限的限定文档集。先评估是否找到了正确段落，再评估生成回答。要求引用来源，并在证据不足时明确不作答。

区分检索失败和生成失败，测试旧文档、矛盾指令和无法回答的问题。检索与输出全过程都要维护文档权限。

先诊断主要问题是找不到正确知识，还是不能正确使用检索到的知识。文档没有答案或搜索反复返回错误段落时，改生成提示词无法解决问题。

建立二十个问题及预期支持段落，包含产品排除项、旧优惠和相似名称。先查检索段落，再看生成答案；将错误分为来源缺失、段落错误、上下文不足、版本冲突或无依据生成。一次改一项检索或文档准备选择，再测受影响案例。

交付检索测试表，记录问题、预期文件、返回段落、版本日期、权限场景和错误类别。配套答案标准检查忠于证据、引用相关及适当拒答，分别给文档与技术负责人可执行的修复清单。

大块文本可能埋没答案，小块文本可能删去成立条件。应看实际段落而非只优化检索分数，并让限定条件、日期和产品范围随相关主张保留。

通过对话界面提问、讨论需求或借助 AI 起草内容。

智能体在既定权限内，为目标选择步骤并调用工具。

用预先定义的流程连接任务、工具和审批环节。

可复用的指令、示例和脚本，指导智能体按团队的方法完成任务。

基于四份虚构内部文档，演示如何检索证据，并处理找不到答案或来源相互冲突的情况。

我们通过 AI 解决方案、工作流、工具和实战培训，帮助营销团队节省时间、提高产能并改善业务成果。