深色模式
03 · 示范:企业知识库怎么搭
学完你能说出:
- 用「场、进、出、难、评」把「用 Java 搭一个企业知识库」完整讲一遍(2 分钟版本)。
- 一个常见的错误答法,以及它为什么失分。
- 面试官最常接的 4 个追问和答法。
先看地图
技术细节在 企业知识库架构 里已经讲完了。这一篇只练怎么说出来。本篇讲 3 个点:
① 一个失分的答法 → ② 五格版本(附 30 秒精简版)→ ③ 4 个常见追问
一句话本质
企业知识库题 = 一个带权限的 RAG 系统:讲清入库和问答两条链路,再挑权限和更新两个难点,用测试集和用户反馈评估。技术选型嵌在链路里说。
生活类比
就像向朋友介绍「公司档案室 + 咨询台」怎么运转:先说给谁用,再说新文件怎么归档(入库),员工来问时怎么查、怎么答(问答),最难管的是「谁能看什么」和「文件更新了怎么办」,最后说怎么知道咨询台答得好不好。
一步步看
1. 一个失分的答法
「我会用 Spring Boot 搭后端……然后接一个大模型。」
问题在哪:
- 拿技术选型开头,面试官听不出系统怎么运转;
- 入库、问答两条链路一条都没讲;
- 没有难点和评估,听起来像没想过。
面试官问「怎么搭」,想听的是数据流,不是框架名。
2. 五格版本(约 2 分钟)
场
员工查公司内部的制度、产品和技术文档,答案要带出处;不同部门只能看到自己有权限的文档;文档会不断更新。
进(入库链路)
文档上传后先把原文件存到 MinIO,往消息队列发一条消息,后台异步处理:用 Tika 解析,清洗、按标题段落切块,用中文 Embedding 模型转成向量,写进 Milvus 或 ES,每块带上文档 id、部门、版本这些元数据;文档信息和权限记在 MySQL。
出(问答链路)
用户提问时先鉴权拿到部门,结合上下文改写问题,然后做向量加关键词的混合检索,检索时就按权限过滤,rerank 选出前 5 块,拼进提示词,要求只依据资料回答、没有就说不知道、标注出处,大模型通过 SSE 流式返回,最后记录日志和用户反馈。后端 Spring Boot,AI 编排用 Spring AI 或 LangChain4j。
难
一是权限:要在检索时过滤,而不是检索完再删,否则可能删光结果或泄露内容;二是更新:按文档 id 先删旧块再写新块,避免新旧版本同时被检索到。
评
上线前用一套测试问题看检索召回率和回答忠实度;上线后看点踩率和「答不上来」的比例,把答错的问题补进测试集持续改进。
30 秒精简版:
企业知识库本质上是一个带权限的 RAG 系统,分两条链路。入库:文档存 MinIO,经消息队列异步解析、切块、向量化,存进 Milvus 或 ES,元数据和权限记在 MySQL。问答:鉴权后做混合检索并按权限过滤,rerank 后拼提示词让大模型只依据资料回答、标出处,SSE 流式返回。技术栈是 Spring Boot 加 Spring AI 或 LangChain4j。难点是权限过滤和文档更新同步。
3. 4 个常见追问
| 追问 | 答法要点 |
|---|---|
| 「回答编造了内容怎么办?」 | 三道关:生成前保证检索质量和资料准确;生成中提示词约束、低温度;生成后核对引用、不通过就降级。见 幻觉怎么治 |
| 「文档有 100 万份,怎么扛?」 | 入库:消息队列 + 多个消费者并行处理;向量库用 Milvus 集群、按部门或时间分区;查询:热门问题加 Redis 缓存(key 带上权限范围),重排只对召回的几十条做 |
| 「检索效果不好怎么排查?」 | 按「资料有没有 → 检索到没有 → 排在前面没有 → 模型用对没有」从前往后查;中文先确认 Embedding 模型是中文模型;加混合检索和重排。见 评估与常见坑 |
| 「要不要做成 Agent?」 | 问答流程固定时用工作流更稳;如果要查订单、提交工单等调用业务系统,再让模型决定调哪个工具,敏感操作前要人工确认。见 LangChain 与 LangGraph |
为什么这么设计
为什么开头先讲场景里的「权限」和「更新」?
- 问题:企业知识库和个人 RAG 小项目最大的不同,就是多人多部门、文档不断变化。
- 方案:在「场」里就点出这两个约束,「难」里再给解法,首尾呼应。
- 好处:面试官一听就知道你考虑的是真实企业场景,而不是 demo。
一句话答法
企业知识库和个人 RAG 的最大区别是多部门权限和文档持续更新,所以在场景里先点出来,难点里给出检索时过滤和按文档 id 删旧写新的解法。
英文术语拆解
| 术语 | 拆开看 | 一句话意思 |
|---|---|---|
| Knowledge Base | Knowledge 知识 + Base 库 | 知识库 |
| Pipeline | Pipe 管子 + line 线 | 链路、流水线 |
| SSE | Server-Sent Events | 服务器单向推送,用于流式输出 |
| Rerank | Re 重新 + rank 排序 | 重排 |
面试怎么问
Q:如果让你用 Java 搭一个企业知识库,你怎么设计?
用「场、进、出、难、评」答:场景是员工查内部文档,要出处、分权限、文档会更新;入库链路是上传存 MinIO → 消息队列异步 → Tika 解析、清洗切块 → Embedding → 写 Milvus 或 ES,元数据和权限进 MySQL;问答链路是鉴权 → 问题改写 → 混合检索并按权限过滤 → rerank → 拼提示词 → 大模型 SSE 流式输出带出处 → 记录反馈;难点是检索时做权限过滤、按文档 id 删旧写新;评估用测试问题集看召回率和忠实度,上线看点踩率。技术栈 Spring Boot 加 Spring AI 或 LangChain4j。
容易混的地方
- 不要先报框架名:框架嵌在链路里说。
- 不要只讲问答链路:入库链路同样重要,而且难点(更新、数据质量)大多在入库。
- 难点挑两个讲透,比列一串名词更有说服力。
和其他知识的连接
自测 3 问
Q1:「我会用 Spring Boot 搭后端,再接一个大模型」为什么会失分?
点开看答案
拿技术选型开头,没讲数据流:入库和问答两条链路都没讲,也没有难点和评估,面试官听不出你是否想清楚了系统怎么运转。
Q2:用 30 秒说出企业知识库的两条链路。
点开看答案
入库:文档存 MinIO,经消息队列异步解析、切块、向量化,存 Milvus 或 ES,元数据和权限进 MySQL。问答:鉴权,混合检索并按权限过滤,rerank 后拼提示词,大模型只依据资料回答并标出处,SSE 流式返回。
Q3:面试官追问「100 万份文档怎么扛」,从哪几处回答?
点开看答案
入库:消息队列 + 多消费者并行处理;存储:Milvus 集群、按部门或时间分区;查询:热门问题加 Redis 缓存(key 带权限范围);重排只对召回的几十条做。
✅ 验收清单
- 能在 2 分钟内用五格把企业知识库题讲完
- 能背出 30 秒精简版
- 能回答 4 个常见追问
下一步该懂什么
- 另一道示范题 → 示范:数据平台与数仓