第一层：数据目录
有哪些资料、在哪里、谁负责、多久更新一次、保留多久。没有目录的知识库无法审计，也无法判断某个结论是否还有效。
SOLUTIONS · OnvergeAi
数据治理与知识库
数据治理与知识库服务：盘点、分级、权限、脱敏、切片检索与版本化，含交付物、排除项与前置条件。
服务 02 · 数据治理与知识库
数据盘点、目录、权限、脱敏、切分、检索与版本化知识库；标准基础，可选深化。
把资料变成可检索、可引用、可追溯、可复核的知识库。工作顺序是：先盘点与分级，再定权限与脱敏规则，然后设计切片与检索策略，最后建立版本与复核机制。判断知识库是否可用的标准不是“能不能答”，而是每条回答能否回到原文位置、能否说明用了哪个版本、谁有权限看到什么、以及答错时谁来纠正。数据合法性、来源权利与保管责任由客户承担，我们不提供合法性背书。
服务范围构成
标准服务 4 项 · 可选服务 1 项
排除项 3 项 · 前置条件 1 项
排除项 3 项 · 前置条件 1 项
计价与报价口径
按阶段包计价
按范围包或人天（深化部分按工作量评估）
按范围包或人天（深化部分按工作量评估）
服务属性
默认纳入标准范围 · 可选服务
证据等级 C · 复核周期 90 天
证据等级 C · 复核周期 90 天
服务范围（我们做什么）
内容包括：数据源盘点与目录（来源、类型、量级、更新频率、责任人）；数据分类分级建议与权限矩阵（按角色与用途定义可访问范围）；字段级脱敏规则与留痕要求；文档解析与切片策略（版面、表格、条款结构、页码与段落定位）；检索策略（向量、关键词、混合检索与重排）；引用定位与溯源；检索评测（样本、指标、基线）；知识库版本、生效期与复核任务；增量更新与失效内容处理。
交付内容
- · 数据目录与分级建议（表格）：数据源清单、责任人、更新频率、分级与保留期建议
- · 权限矩阵（矩阵）：角色 × 数据类型 × 操作（查看/检索/导出）的授权范围
- · 脱敏规则表（规则表）：字段级脱敏方式、触发条件与留痕要求
- · 知识库应用与切片说明（应用 + 文档）：解析、切片、索引、检索与引用定位的实现说明
- · 检索评测记录（报告）：测试集构成、指标定义、基线与实际值、未达项与原因
- · 版本与复核机制说明（文档）：知识版本、生效期、失效处理与复核责任的运行规则
前置条件（需要客户提供）
- · 资料授权与使用目的确认：客户书面确认资料来源、权利归属与允许用途，含是否可用于检索、摘要与训练
- · 数据责任人到位：每一类数据源需有明确的业务责任人，负责内容正确性与版本更新
- · 可提供样本环境：提供脱敏样本或受限样本用于解析与检索调试，避免直接接入生产库
- · 权限体系可对接：客户具备账号与角色体系（AD/LDAP/SSO 或内部系统），否则需先约定临时权限方案
责任边界（我们不承担什么）
知识库的输出质量取决于原始资料质量、权限设计合理性以及使用者的复核习惯；服务商对治理流程、检索实现与文档交付负责，对资料本身的正确性、合法性与时效性不承担背书责任。检索评测结论仅对约定的测试集与评测口径成立，不外推为对所有业务问题的效果承诺。
内容体系
知识库由六层内容构成，缺任何一层都会在使用阶段暴露为“搜得到但不敢用”。
第二层：分类分级与权限
按敏感度与用途分级，按角色授予检索、查看、导出权限；公开、内部、个人、敏感四档的可见范围必须显式定义。
第三层：脱敏与最小化
字段级脱敏规则、片段最小化与出域前处理，确保进入检索与外部调用的内容不超出授权范围。
第四层：解析与切片
按文档结构（标题层级、条款、表格、页码）切片，保留可回指的定位信息，避免把长文切碎后失去上下文。
第五层：检索与重排
向量检索、关键词检索与混合策略的选择依据，重排策略、召回数量与阈值设定，以及命中率下降时的降级方式。
第六层：版本与复核
知识版本号、生效期、更新记录与复核任务；过期内容标注失效而不是静默留存，避免旧规范被当成现行要求引用。
场景矩阵
同一套治理方法，在不同场景下的关键控制点不同。以下是四类典型数据形态与对应做法。
| 数据形态 | 典型场景与治理要点 | 关键产出与把关人 |
|---|---|---|
| 法规与制度类 | 政策、规范、内部制度的检索问答。要点：版本与生效期必须显式，回答需附条款出处，避免新旧版本混用。 | 制度版本台账 · 制度归口部门 |
| 业务文书类 | 合同、报告、审批材料、历史模板的检索与要点提取。要点：按结构切片保留条款与责任主体，敏感字段脱敏。 | 脱敏规则表 · 业务负责人 |
| 案卷与项目资料 | 案件材料、项目文档的归集与检索。要点：按项目/案件隔离，账号级权限，日志最小必要，默认不导入在办件全文。 | 权限矩阵 · 承办人 |
| 会议与服务记录 | 会议纪要、客服与坐席记录的沉淀与问答。要点：个人信息最小化，问答结果只做内部参考，不对外引用。 | 脱敏与最小化规则 · 合规负责人 |
| 科研与教学资料 | 论文、教材、课件与研究资料检索。要点：版权与许可状态标注，引用需保留出处，未成年人相关数据受控。 | 版权与许可标注 · 内容归口部门 |
能力底座
工艺层决定知识库好不好用：我们用什么方法把“资料集合”变成“可用知识资产”。
结构化解析
面向 PDF、Word、扫描件、表格与多栏版面的解析策略，保留页码、章节与表格结构，为引用定位提供锚点。
切片与锚点设计
按语义边界切片，同时保留粒度与上下文策略（父子块、重叠窗口），解决“切片太碎答不全、太大答不准”。
混合检索与重排
向量召回 + 关键词召回并行，再用重排模型按相关性排序；对术语、编号、专有名词类查询显式加强关键词通道。
引用定位与溯源
每条回答附带原文片段与文件定位信息，支持点开核对原文；引用缺失时按规则降级为“未找到足够依据”。
评测集构建
从真实业务问题中抽取样本构建测试集，标注标准答案依据；评测口径（命中、引用正确性、拒答率）在开工前确认。
权限与审计对接
对接客户账号体系，检索前做权限过滤；对检索与导出行为留痕，日志范围遵循最小必要原则。
工程实现
按 4—6 周口径的实施步骤，含客户配合节点与交付物；多源与大体量数据会延长解析与评测周期。
- 1
第 1 步：数据盘点与目录（W1）
走访数据责任人，整理数据源清单、更新频率、责任人与保留期；确定纳入范围与暂不纳入的清单。
- 2
第 2 步：分级与权限设计（W1—W2）
按敏感度与用途分级，定义角色可见范围与检索过滤规则，与客户数据负责人和 IT 逐项确认。
- 3
第 3 步：脱敏规则与核验（W2）
定义字段级脱敏规则，抽取样本验证脱敏效果与可读性平衡，记录验证过程。
- 4
第 4 步：解析与切片（W2—W3）
按文档类型配置解析与切片策略，处理表格、条款与多栏版面；抽取 30—50 份样本做人工核对。
- 5
第 5 步：检索策略与调优（W3—W4）
配置检索链路与重排策略，用测试集迭代召回与排序参数，记录每轮改动与效果对比。
- 6
第 6 步：评测与评审（W4—W5）
按约定口径出评测结果，逐条复盘未达项归因（解析、切片、检索、权限或数据本身），形成改进清单。
- 7
第 7 步：版本与复核机制上线（W5—W6）
建立版本号、生效期、更新流程与复核任务；培训内容与数据责任人使用复核与下架流程。
※ 周期按单部门、单语种、资料结构相对规范的试点口径估算；多语种、扫描件为主或跨部门权限复杂时会显著延长。
治理保障
知识库的治理不是一次性审批，而是六条常设机制，贯穿上线后的日常运行。
- 权限最小化与隔离
- 按角色过滤检索范围，跨部门知识默认不互通；账号与权限变更纳入客户既有流程，服务商不留后门账号。
- 数据分类分级落地
- 每一类数据有明确分级与对应处理方式（可否入库、可否外发、能否用于训练），分级结果登记在目录中。
- 引用与溯源强制
- 输出必须附带来源定位；无来源的结论按规则降级，不允许无依据生成。
- 人工复核点
- 内容归口部门负责知识正确性；对涉及规范、金额、责任与对外使用的输出，设置人工确认环节。
- 日志与审计
- 记录检索、查看、导出与权限变更行为，日志范围与保留期按客户制度与合同约定执行。
- 版本与失效管理
- 内容更新产生新版本并标注生效期；旧版本转为历史档或下架，避免过期规范继续被引用。
- 退出与可迁移
- 索引与规则以可导出形式交付，项目终止时可迁移至客户自建环境或由其他服务商接手。
解决什么问题
知识库项目失败通常不是模型不行，而是治理没做，导致“搜得到、不敢用、没法追责”。
- 资料散落，找不到
- 现状：资料分散在个人电脑、共享盘与邮件里，找一份现行版本要问三个人。动作：建立统一目录与责任人对齐。
- 找到了但不知道是不是现行版
- 现状：新旧规范混杂，引用错版本造成返工。动作：版本号与生效期显式化，过期内容标注失效。
- 答错了查不出原因
- 现状：输出看起来合理，但无法核对原文，出错只能整体停用。动作：强制引用定位，配合评测集定位是解析、切片还是检索问题。
- 越权可见
- 现状：不同部门、不同项目的人能看到不该看的资料。动作：检索前权限过滤 + 跨域隔离 + 行为留痕。
- 不知道该不该外发
- 现状：混合部署或外部模型场景下，谁也不知道哪些字段可以出去。动作：分级 + 脱敏规则 + 出域前审批与留痕。
- 上线后没人维护
- 现状：内容半年不更新，用户逐渐不用。动作：复核任务与更新流程交给内容责任人，形成可考核的运行机制。
客户价值与优势
可检索只是起点，真正的收益是让专业人员的检索与整理时间下降，同时把答案的可核验性提高。
检索与整理时间下降
把跨文件、跨目录的查找与摘录从人工翻找变为按引用定位的核对；收益可通过同一批任务的耗时对比测量，而不是用宣传数字代替。
答案可核验
每条输出带来源定位，专业人员核对原文的时间大幅短于从零检索；对外使用前的把关责任仍在专业人手中。
知识沉淀不随人流失
资料、目录与检索结果成为组织资产；人员变动时交接对象是知识库与规则，而不是个人经验。
合规动作前置
分级、脱敏、权限与留痕在建设阶段一次做完，后续接入外部模型或审计时不需要补历史材料。
可迁移不锁定
交付包含规则、索引与评测材料，客户可换供应商或在自建环境复现，不必被单一厂商绑定。
分阶段可控投入
先做单部门试点验证效果与权限，再按效果扩围；未通过评测不进入大规模接入，避免一次性大投入。
※ 以上为服务内容与边界说明，不构成对具体项目效果的承诺；检索评测结论仅对约定的测试集与评测口径成立。
标准服务
数据盘点与目录
知识库建设基础步骤
分级与权限矩阵
标准基础能力
脱敏规则设计
按字段级规则执行
知识库构建（切片/检索/引用定位）
含检索评测记录
可选服务
知识库深化（多源接入与重排优化）
可选深化能力
排除项
不提供自动数据清洗兜底
——
不提供数据永久保管
——
不提供数据合法性背书
——
前置条件
需取得资料授权与使用目的确认
——
服务过程
① 盘点与目录 → ② 分级与权限矩阵确认 → ③ 脱敏规则设计与核验 → ④ 解析与切片策略 → ⑤ 索引与检索策略 → ⑥ 检索评测与调优 → ⑦ 版本与复核机制上线 → ⑧ 权限与评测材料交付评审。