完整定義
知識庫是一個組織化的資訊集合,旨在促進知識的獲取、共享和重用。它包含事實、規則、概念和關係,可以採用多種形式,例如文件、資料庫、圖形和專家系統。知識庫的目標是將隱性知識轉化為顯性知識,並提供一個易於訪問和維護的知識儲存庫。
白話說明
你有沒有想過,客服、文件和 FAQ 為什麼能被整理成一個可直接查詢的地方?
你可以把它想成一座先整理好內容的圖書館,不只放資料,還把答案和關聯一起收好。
知識庫是儲存結構化和非結構化知識的中央儲存庫,用於支援決策、自動化任務和提供資訊。
記住這句
存的不只是資料,還要能被人和系統直接用。
比喻:知識庫就像公司裡的「萬事通」資料夾 -- 裡面有所有產品說明、常見問題解答、操作手冊等等,當你需要知道什麼,直接去那裡找就對了。
容易混淆
資料庫
資料庫偏向存原始資料,知識庫偏向存已整理、可直接拿來用的知識。
向量資料庫
向量資料庫只是支撐檢索的一種技術,知識庫的範圍更大,還包含規則、關係和版本管理。
實際案例
企業 FAQ
員工問請假、報銷或資安規範時,知識庫可以直接回到標準答案。
維修手冊
工程師遇到設備異常時,先查知識庫找處理步驟,比翻原始文件快很多。
演算法與應用
知識庫通常會把文件、規則、實體關係和版本整理在一起,讓搜尋、推理和問答更有效。做 AI 應用時,知識庫常和檢索系統、權限控管、更新流程綁在一起,重點是「可用」而不是只是「有存」。
中英對照與容易搞混的幾個詞
客服系統或企業內部常講的「知識庫」多半是第五種,也就是一批 FAQ 與說明文件。學術與 AI 語境下的知識庫指的是第一種,強調它有明確的結構與可推理性。看到這個詞先確認對方講的是哪一種。
- 中文
- 知識庫
- 英文
- knowledge base(KB)
- 指的是什麼
- 有結構、可被查詢與推理的知識集合
- 中文
- 資料庫
- 英文
- database(DB)
- 指的是什麼
- 存放資料的系統,不要求語意結構
- 中文
- 知識圖譜
- 英文
- knowledge graph(KG)
- 指的是什麼
- 用節點與關係表示知識的一種知識庫
- 中文
- 向量資料庫
- 英文
- vector database
- 指的是什麼
- 存嵌入向量、用相似度檢索的資料庫
- 中文
- 文件庫
- 英文
- document store
- 指的是什麼
- 存原始文件,不做語意結構化
知識庫在 RAG 架構裡的角色
檢索增強生成(RAG)之所以需要知識庫,是因為大型語言模型的知識鎖在參數裡:無法查證出處、無法即時更新、也無法針對特定企業的內部資料回答。
一套可用的 RAG 知識庫通常包含四層:
原始文件層。 保留原文與版本,回答時才有出處可以標注。
切塊層。 把長文切成適合檢索的段落。切太大會夾帶雜訊,切太小會失去上下文,這一層的設計直接決定回答品質。
索引層。 同時建向量索引(語意相似)與關鍵字索引(BM25 這類精確比對)。只用向量會漏掉專有名詞與型號,只用關鍵字會漏掉換句話說的問法,混合檢索才穩。
權限與時效層。 哪些人能看到哪些文件、哪些文件已經過期。這一層常被忽略,但在企業導入時它是能不能上線的關鍵。
判斷一套知識庫做得好不好,看的不是文件多寡,而是「答錯時能不能追出是哪一份文件、哪一段造成的」。追不出來就無法改善。
常見問題
資料庫偏向存原始資料,知識庫偏向存已整理、可直接拿來用的知識。
你可以把它想成一座先整理好內容的圖書館,不只放資料,還把答案和關聯一起收好。
向量資料庫只是支撐檢索的一種技術,知識庫的範圍更大,還包含規則、關係和版本管理。
最常見的做法是檢索增強生成(RAG):先把知識庫文件切段、建立索引,使用者提問時檢索出相關段落,再連同問題一起交給語言模型生成回答。原始 RAG 論文就是用維基百科的稠密向量索引當外部記憶。這樣不必重新訓練模型就能更新知識,回答也能附上出處,品質則取決於檢索是否找得準。
指以知識庫為核心、再加上推理引擎從中推導結論的電腦系統。知識庫存放事實與規則,推理引擎依規則推論出答案,早期的專家系統就是典型例子。現在企業說的知識庫管理系統,多半是指整理 FAQ 與文件、提供搜尋的平台,兩者用詞相同但重點不一樣。
出現在這些考古題
官方公告試題的逐題解析裡,這 2 題把知識庫列為延伸術語。
相關術語
來源
參考來源:en.wikipedia.org
其他格式:Markdown 版本