一、项目背景

这家集团的知识库一开始是一锅炖，几十个业务域的文档全丢进同一个向量库，从 HR 制度到研发规范到售后政策什么都有。上线后客服最头疼，问一句售后退换政策，系统偏偏召回了一堆研发的设计文档，答出来的东西驴唇不对马嘴，客户投诉说你们自己人都说不清。我们也试过单纯加大重排模型的权重，效果有但不明显，因为噪声源是域混装，重排再怎么调也架不住源头就乱。问题摆在那：知识库不是越大越好，混在一起只会互相污染，得先把路router 做出来。

一锅炖的知识库上线大半年，客服团队的意见一直很大，明明问的是自己域的问题，系统总召回一堆无关域的文档，重排再努力也救不回源头噪声。我们也试过加大向量库规模想用覆盖换准确，结果库越大噪声越多，典型的饮鸩止渴。安全团队还提过一个隐患，新员工能搜到研发域的敏感资料，权限问题也得一起解决。

二、落地场景

改造思路是在检索前加一层查询路由，用户提问进来，先判断它属于哪个业务域，再决定去哪个子库检索，必要时做跨子库融合。比如问售后政策，路由直接指向售后子库，根本不会去碰研发文档。子库是动态选择的，不是写死映射，而是用一个轻量的意图分类模型，配合历史点击数据持续校准。跨域的模糊问题才走融合检索，并且按域隔离权限，员工只能看到自己被授权的子库内容。权限收敛也顺带解决了合规风险，以前一锅炖时新员工能搜到不该看的研发资料，现在路由层就把门关了。

路由上线后，员工提问先过意图识别，明确域直接锁定对应子库，比如问考勤就只搜 HR 子库，根本不会碰到研发。模糊问题才走融合，并且按域隔离权限，员工只能看到被授权的子库内容，合规风险顺手解决。子库是动态选择的，不是写死映射，靠轻量分类模型加历史点击持续校准，业务域调整了路由也能跟着变，不用改代码。

三、关键技术挑战与解决思路

查询意图域识别是路由的核心，我们没有一上来就上大模型，而是先用关键词加小模型做粗分类，覆盖八成以上的明确问题，剩下模糊的再交给大模型判，成本和准确性能兼顾。子库动态路由最难的是边界模糊的查询，比如"系统登录不了"既可能是 IT 也可能是安全域，我们用历史点击反馈做纠偏，哪次路由错了，用户点了别的域的结果，这个信号就回流训练分类器。跨域融合排序要控制噪声，我们设了域置信度阈值，低置信才融合，高置信直接锁定单库，避免为了覆盖而覆盖。权限与域隔离在路由层就生效，比在检索后过滤更省事也更安全。

我们用关键词加小模型覆盖了八成明确问题，剩下模糊的交给大模型判，这样既省成本又准。边界模糊的查询靠历史点击反馈纠偏，这个闭环很关键，路由错了用户点了别的域结果，信号回流训练分类器，越用越准。跨域融合我们设了置信度门槛，高置信直接锁单库，低置信才融合，避免为了查全牺牲查准，早期全融合把噪声又带回来了。

四、效果数据

路由准确率达到九成以上，明确问题的分类几乎不出错。检索命中率从一锅炖时代的六成出头提升到接近九成，客服最直观的感受是答案终于对得上问题了。跨域串扰率从原来的两成多降到不到百分之三，之前那种答非所问的情况基本消失。平均响应时长因为多了路由一步反而略增，但用户找到正确答案的时间大幅缩短，这个账划算。我们复盘确认，路由层的投入比换更贵的向量库见效快得多。

明确问题路由准确率接近满分，客服最直观的感受是答案终于对得上。检索命中率提升到接近九成，跨域串扰率降到百分之三以内。权限隔离上线后，越权检索零发生，合规审计一次性通过。响应时长虽因多一步路由略增，但用户找对答案的时间大幅缩短。我们复盘确认，路由层比换更贵向量库见效快。

五、可复用经验总结

知识库不是越大越好，先按域路由再检索，噪声降下来准确率才上得去，这是用一堆串扰 bad case 验证过的。路由别上来就堆大模型，关键词加小模型能覆盖大部分，模糊的再升级，成本和效果都更稳。跨域融合要有置信度门槛，低置信才融合，别为了查全率牺牲查准率，我们早期全融合的策略把噪声又带回来了。下一步想把子库的热度做自适应，访问少的子库降权，热门域优先召回。

案例片段（已脱敏）： 查询路由片段：先用关键词词典命中明确域（如"退换""发票"指向售后），未命中走轻量分类模型，置信度低于 0.6 才触发大模型兜底。某月路由统计：明确域直接锁定占 82%，融合检索占 11%，误路由率 2.7%。跨域串扰率由 23% 降至 2.9%，客服检索 top3 命中率由 61% 升至 88%。

知识库不是越大越好，先按域路由再检索，噪声降下来准确才上得去，这是用一堆串扰 bad case 验证的。路由别上来堆大模型，关键词加小模型覆盖大部分，模糊再升级，成本效果都稳。跨域融合要有置信度门槛，低置信才融合，别为查全牺牲查准，我们早期全融合把噪声带回来了。下一步子库热度自适应，热门域优先召回。