这一讲不从“技术名词”开始。请你先想象一个客服同学：他不是靠记忆硬答，而是先翻产品手册、售后政策和 FAQ。扣子知识库，就是把这件事交给智能体自动完成。
“这件事资料里有没有依据？”
知识库不是让模型“变成专家”，而是让智能体“有资料可查、有依据可说”。
请点击诊断卡片。你会发现知识库解决的不是“聊天像不像人”，而是“能不能基于真实资料工作”。
通用大模型知道很多公共知识，但不知道你们班的作业截止时间，也不知道企业最新售后政策。
把“课程问答助手”只写成一个聊天机器人，不导入课程资料。
把课程大纲、作业要求、课堂案例放进知识库，再让智能体优先检索。
知识库不是越大越好，而是越贴近场景越好。
RAG 的全名可以先不用背。你只要掌握这条课堂公式：用户问题 + 知识库检索 + 大模型表达 = 有依据的回答。
例如：配件少了能不能换货？第五周作业什么时候交？
系统把问题匹配到 FAQ、政策条款、课程大纲等内容。
模型负责表达清楚，不负责凭空发明政策。
找到依据就回答，找不到就说明没有明确资料。
点击按钮观察：通用回答像“经验”，知识库回答像“查证”。
下面保留课件中的截图证据。请同学们边看边想：如果你是用户，你更愿意相信哪一种回答？
课堂观察：通用模型的语言可能很完整，但如果没有接入企业资料，它很难保证符合企业真实规则。
课堂观察：知识库的优势不是让答案更花哨，而是降低垂直领域知识幻觉，并让私有资料能进入智能体工作流程。
建库不是上传文件就结束。请你像整理档案一样，写清资料主题、适用范围、引用规则和兜底话术。
名称和描述要让同学知道它服务什么场景。
优先放权威、清晰、不过期的资料。
写清楚什么情况下检索知识库。
用查得到、查不到、问偏题、资料过期四类问题测试。
这一段把前面学过的方法用进客服场景。客服不是自由发挥，而是接到问题后先去售后知识库里查，再生成用户能看懂的话术。
你不需要一开始做大系统。先把资料范围、回答边界和测试题写清楚，就已经完成了最小可用设计。
问题：如果知识库没有检索到“第 5 周作业截止时间”，智能体最应该怎么做？
复制后替换成你自己的智能体主题。
## 我的知识库智能体 主题： 服务对象： ## 知识库资料范围 1. 2. 3. ## 什么时候必须检索知识库 - - ## 不应该回答的问题 - - ## 查不到资料时的兜底话术 资料库中暂未找到明确依据，建议你查看官方通知或联系负责人确认。 ## 四类测试题 1. 查得到： 2. 查不到： 3. 问偏题： 4. 资料可能过期：