图 1：本文封面，点明主题「知识库问答：用自有资料搭建 AI 问答助手」。
先说一个典型场景。一位创作者攒了三百多篇历史文章，想让 AI 学会这些内容，读者提问时直接用他的文章口径来回答。他兴冲冲把文件打包上传，第一步就撞墙：平台提示文件太多、压缩包无法检索。折腾一圈才摸到门道——把 Word 转成纯文本，每十几篇合并成一个文件再传，检索效果立刻好转。这个「撞墙再爬坑」的过程，正是搭建知识库问答助手的缩影。
核心结论一句话
知识库问答的本质是「先检索、再生成」：用户提问后，系统从你的资料里捞出最相关的片段，再让大模型照着片段组织回答。模型只是最后一棒，真正的功夫在前面——资料怎么清洗、怎么切分、传多少、传多大。
六步流水线
图 2：搭建知识库问答助手的六步流水线与两条实践限制。
第一步，收集自有文档：文章、手册、FAQ、规则说明。第二步，清洗与切分：去掉页眉水印等噪音，把长文档切成语义完整的小片段。第三步，上传知识库：平台会自动把内容切片、建索引。之后就是使用侧：用户提问、系统检索匹配片段、大模型基于片段生成回答。六步里前三步是体力活，也是效果的决定项——模型回答得准不准，七分取决于你喂进去的材料整理得好不好。
三道绕不开的限制
第一道，文件数量。OpenAI 官方帮助中心写明：每个 GPT 的知识最多附加 20 个文件。几百篇散文档直接传是传不下的，合并是必选项。还要注意一个变化：个人版 ChatGPT 账号现已不能新建 GPT，只有 Business、Enterprise、Edu 等工作区可以创建和编辑——动手前先确认你的账号类型。
第二道，文件大小。官方口径是单个文件最大 512MB，对纯文本来说相当宽裕，但如果你塞的是带大量图片的 PDF，就很容易顶到上限。
第三道，检索质量。平台不是把文件整个塞给模型，而是切开后按相关度捞片段。文件切得太大，一片里什么都有，检索命中率自然差；切得太碎，上下文又不完整。本地实践给出的经验是：转成纯文本、按篇合并成中等大小的 txt，效果最好。
国内产品的现状
不想碰海外产品，国内也有成熟选择。以扣子（Coze）为例，官方文档显示其知识库支持文本、表格、图片三类内容，上传后自动切分为内容片段，也支持自定义分段规则；召回片段后由大模型生成回复。免费版有存储额度限制，企业级场景可接入火山知识库，官方口径是单个知识库支持 300 万个文档、最高 1 万 QPS 的检索——从个人玩具到生产系统的路是通的。
最容易被忽略的一条边界
指令管行为，知识库管材料。OpenAI 官方最佳实践说得很直白：角色、语气、回答格式、禁止事项写进指令（Instructions），参考资料放进知识库（Knowledge），别混用。想让助手引用原文，也要在指令里明说引用格式。社群答疑机器人这类应用就是典型：语料管「答什么」，身份设定管「怎么答」。
三个常见误区
误区一：文件越大越省事。恰恰相反，一本几百页的大 PDF 切出来的片段主题混杂，检索命中率反而低；按篇章分开、语义完整的中等片段才是正解。
误区二：上传完就大功告成。知识库问答的效果是测出来的：不拿一批真实问题逐条试，你不知道检索捞回来的是什么。主流平台的文档也都强调上传后要测试、再迭代。
误区三：把规则塞进知识库。「不许编造」「回答控制在三句话」这类要求放错地方——它们属于指令，放进知识库只会被当普通素材检索，时灵时不灵。
给你的行动建议
先拿 20 篇文档做最小闭环：转纯文本、合并成两三个文件、上传、写一段明确的指令，然后故意问十个刁钻问题测试。检索命中不行就调切分粒度，回答风格不对就改指令。跑通小闭环再放量，比一口气传几百篇再返工省得多。
你手里最想变成 AI 问答助手的资料是什么——历史文章、产品手册还是内部文档？搭建时卡在了哪一步？欢迎分享。
参考资料
- Creating and editing GPTs（OpenAI 官方帮助中心：知识最多附加 20 个文件、单文件最大 512MB；个人账号不可新建 GPT，Business/Enterprise/Edu 工作区可创建；知识放参考材料、规则写进指令的官方最佳实践） — https://help.openai.com/en/articles/8554397-creating-a-gpt
- 知识库概述（扣子官方文档：知识库支持文本、表格、图片内容，自动切分与自定义分段，检索召回后由大模型生成回复；火山知识库单库支持 300 万文档、最高 1 万 QPS） — https://docs.coze.cn/guides_knowledge