AI Agent 知识库质量检查清单：RAG 上线前先修文档

AI Agent 知识库质量检查清单帮助团队改进 RAG 助手和支持 Agent 使用的文档。更好的模型无法弥补过期、冲突或结构混乱的源材料。

Contents hide

1. 删除重复和冲突内容

重复页面会干扰检索。冲突的策略文档会导致回答不一致。识别同一指南的多个版本、旧价格页、废弃 API 文档和过期 onboarding 说明。每个主题保留一个权威来源。

每个重要文档都应该有负责人。负责人负责准确性、更新节奏和删除。没有 owner，过期文档会留在索引中，Agent 会继续使用它们。

文档应直接陈述事实。当 Agent 需要操作性答案时，避免模糊营销语言。使用清晰标题、短段落、明确条件、示例和定义。支持策略应说明什么时候允许退款、谁批准、有哪些例外。

保存来源 URL、标题、owner、更新时间、访问级别、租户、产品区域和文档类型。这些元数据可以帮助检索过滤，也能帮助支持团队解释答案。

对于每个重要用户问题，先检查检索到了哪些文档，再看最终答案。如果正确来源没有出现，应修复知识库、分块、元数据或排序。可参考 RAG Evaluation Checklist。

有些文档是参考资料，不是指令。检索页面不应覆盖系统策略或工具规则。测试提示注入时，应把文档当成不可信输入。

为失败的索引任务、过期关键文档、已删除页面仍在向量索引中、内容修改后未重新索引等情况设置告警。知识新鲜度是生产可靠性问题。

如果你的 Agent 依赖知识库，应把知识质量纳入 AI Agent 上线前生产就绪审计，并在上线后持续监控检索质量。

把AI Agent 知识库质量检查清单：RAG 上线前先修文档当作一次上线前复查，而不是一次性文档。先确认页面要解决的具体问题，再检查它是否连接到相关 hub、服务页、自测工具和更深入的技术文章。这样读者能继续行动，搜索引擎也更容易理解页面在网站结构里的位置。

执行时建议记录三个结果：哪些页面已经可发现，哪些页面需要补内部链接，哪些内容还缺少证据、示例或下一步。对 AI Agent 网站来说，内容质量不只取决于发布数量，也取决于页面是否能帮助读者做出安全、成本、评估或采购决策。