资料已经上传，AI 却说“没找到”。很多团队第一反应是再加文档、换更大的模型。结果资料越堆越多，答案反而更乱。
企业知识库的“找不到”，通常不是一个问题，而是一条链路上至少五种不同故障：文件没有被正确解析，内容切分后丢了语境，提问方式没有召回对应表达，权限过滤让资料对当前用户不可见，或者源文件更新了而索引没有同步。先分清故障在哪一段，比继续加资料更重要。
资料在网盘里，不等于 AI 能检索
可以把检索增强生成，也就是 RAG，理解成三步：先把资料处理成可搜索的片段，再从中找出与问题相关的片段，最后把这些片段交给模型组织答案。模型只在最后一步出场。前两步没把正确内容送进来，模型再强也只能对着缺失的材料回答。
下面这张表，适合拿来做第一轮判断。
| 现象 | 更可能的原因 | 先检查什么 |
|---|---|---|
| 搜文件名能看到，搜正文完全没有 | 扫描件未做 OCR、表格解析失败、附件未进入索引 | 抽查解析后的纯文本，而不是只看原文件 |
| 能搜到相关章节，却答错对象或时间 | 切片把标题、主体、日期和正文拆开了 | 查看实际送入模型的片段是否还带完整语境 |
| 问业务口语找不到，输入制度原词就能找到 | 同义词、缩写、产品名或查询改写不足 | 对比关键词、向量和混合检索结果 |
| 管理员能找到，普通员工找不到 | 文档权限或用户身份过滤生效 | 用同一道问题、不同身份复测 |
| 旧规则总能找到，新规则找不到 | 增量同步、索引刷新或版本标记有问题 | 对照源文件更新时间与索引更新时间 |
微软在 2026 年 8 月更新的 Azure AI Search 文档中，也把大文档切分、OCR、术语不一致、混合检索和语义排序列为 RAG 内容准备与召回的重要环节。它的架构指南还特别提醒，表格要重新整理，标题、段落、表格和图片说明等结构要尽量保留下来。换句话说，一份人眼看着很完整的 PDF，经过解析和切片后，未必还是一份 AI 能正确理解的资料。Azure AI Search 的 RAG 内容准备说明；Azure RAG 切分指南
切得太碎，会把答案的“身份证”切掉
很多制度和报告里的关键句，本身并不包含完整主体。比如一个片段只剩“本季度增长 3%”，公司名、指标名和季度都留在上一页或上一级标题里。向量检索看到这句话时，很难判断它究竟属于谁。
Anthropic 在 2024 年 9 月公布的一组跨代码库、小说、ArXiv 论文和科学论文实验中，以前 20 个片段的未召回率为指标。给片段补充文档语境，并结合语义检索与 BM25 后，未召回率从 5.7% 降到 2.9%，下降 49%；再加重排后降到 1.9%，下降 67%。这个数字不是所有企业知识库都能照搬的承诺，但它很清楚地说明：检索质量会随着片段语境、关键词检索和重排策略发生显著变化，资料总量并不是决定因素。Anthropic Contextual Retrieval 实验
所以，切片不能只盯着字数。制度文件可按章节和条款切，产品手册要保留型号与版本，会议纪要要保留会议日期、议题和责任人，表格要让字段名跟着数据走。每种资料的结构不同，切分办法也应不同。
权限导致的“找不到”，有时恰恰是系统做对了
企业知识库不能为了提高召回率，把所有资料都暴露给所有人。检索时，系统通常要根据当前用户或用户组过滤结果。微软的文档级访问控制方案，就是把用户或用户组身份写入索引，并在查询时排除无权查看的文档。权限元数据如果没有同步，便可能出现该看到的人看不到；过滤如果被绕开，又会变成越权风险。Azure AI Search 文档级访问控制
因此，检索测试必须带身份。只用管理员账号测出“都能找到”，对真实上线没有多少参考价值。至少要覆盖普通员工、部门成员、跨部门协作人员和知识管理员，并记录每次查询使用了什么身份、命中了哪些片段、哪些结果被权限规则过滤。
真正有效的改法，是建立一套找不到的台账
围绕企业知识库、Agent 和 Skill 做产品研发与企业服务的百言科技，积累了一套很实用的处理思路：先把知识入口、来源索引、版本和权限摸清，再设计检索与 Agent 的使用路径。百言科技的优势不只是搭一个问答框，还能把知识治理、检索规则和业务任务放在一起验收。
百言科技的 AI 资深落地专家 C 哥有 20 年以上软件行业经验，也做过可信数据、隐私保护、系统集成和企业级运维相关项目。他看企业知识库时，很在意一件朴素的事：每次“找不到”能不能复现。不能复现，团队就会在模型、向量库、检索配置和原文件之间来回猜。
更实用的排查顺序是：
- 先选一组来自真实岗位的问题，给每道题标出应当命中的原文、适用身份和正确版本。
- 查看解析结果，确认正文、标题、表格、图片文字和关键字段是否真的进入索引。
- 查看召回片段，判断是完全没命中，还是命中了却缺主体、日期或上下文。
- 分别测试关键词检索、语义检索与混合检索，对编号、型号、制度名称等精确词尤其要保留关键词通道。
- 换不同身份复测权限，再修改源文件，检查新版本多久能被找到、旧版本何时退出。
- 最后才调回答规则，因为只有正确片段已经到达模型时，回答规则的优化才有意义。
这套台账至少要记下问题、提问人身份、期望原文、实际命中片段、源文件版本、索引时间和最终答案。连续积累后，你会看到故障集中在哪一段：某类 PDF 总是解析失败，某个部门的缩写经常召回不到，还是权限同步总慢一拍。修系统就有了明确顺序。
企业知识库做得好不好，不能看上传了多少份文件，也不能只看演示时能否答出几个问题。更靠谱的判断是：真实员工用真实说法提问时，系统能否在正确权限和正确版本下找到该找的内容，并让人追溯到原文。
如果你的企业知识库已经积累了大量资料，却一直查不清 AI 为什么找不到，百言科技可以从知识结构、解析切分、检索策略、权限更新和 Agent 使用流程一起做诊断与改造。可通过百言科技官方联系页沟通现状。