课前导读
HR 每天都在被问重复问题——年假怎么算、报销走什么流程、五险一金比例是多少。这一节教你搭一个能替你 7x24 小时回答这些的知识库问答机器人。做法全程点击、零代码：把公司的制度政策文件上传成它的"知识库"，它就能在员工提问时自动去里面检索、给出答复。这篇约 15 分钟的文章带你跑通一个最小闭环，六步走完（创建 → 设人设 → 传知识库 → 分段 → 配流程 → 发布）。看的时候盯住"知识库"这一步，那是它答得准不准的关键。
教学正文
知识库问答的核心是 RAG，不是"让 AI 背制度"
很多人以为搭知识库机器人是"把员工手册喂给 AI，让它记住"。不对。核心机制叫 RAG（检索增强生成）：员工一问问题，系统先从你上传的制度里检索出相关片段，再让大模型"只基于这些片段"回答。打个比方——它不是背下整本手册的员工，而是一个"必须先翻到对应条款、再照着条款答"的窗口。阿里云百炼和 Dify 的文档都说，知识库的作用是给大模型补私有数据、减少幻觉。
这决定了它擅长什么、不擅长什么。擅长："制度里已有明确答案"的问题——年假几天、请假流程、入职材料、报销时限。不擅长："要不要辞退某员工""这个绩效申诉谁对谁错"这类需要事实调查和法律判断的问题。RAG 只能引用材料，解决不了制度本身过期、冲突或缺失。
所以有句话要钉死："上传员工手册就等于有了 HR 专家"是错的。知识库的质量直接决定问答质量：制度文件要拆分清楚、版本唯一、条款不打架，还要设"材料未提供"的兜底答案。材料乱，机器人就乱。
跟我做：用阿里云百炼搭一个员工手册问答机器人
先搭测试版，只放公开发布的正式制度，验证"有依据就引用、没依据就拒答"。
- 备资料：员工手册、考勤制度、假期制度、福利政策。先删掉员工个人信息和内部敏感备注。只放"公司正式发布"的现行版，草稿和旧版别入库
- 登录阿里云百炼控制台，进"知识库"页面，点"创建知识库"。
- 知识库名填「HR制度问答测试库」，描述写清"仅含公司正式发布的员工手册、考勤、假期、福利制度，用于回答制度依据明确的问题"。
- 上传制度文件，先用默认分段设置跑一版，等解析成功。第一版别急着调分段，先跑通再优化
- 创建"智能体应用"，选模型，绑定刚建的知识库。
- 系统提示词填：「你是 HR 制度问答机器人。只能基于知识库回答。每个答案必须引用制度依据。知识库没有写的内容，回答"材料未提供，请咨询 HR"。不得作出辞退、处罚、调薪、劳动争议结论。」
- 测三个问题：一个制度里有答案的、一个制度里没答案的、一个高风险劳动关系问题。"没答案"和"高风险"这两问才是验收重点
- 预期：有依据的引用条款回答；无依据或高风险的，拒绝下结论。
知识库质量 = 问答质量
同样问"病假怎么算工资"，一个知识库里只放了现行版考勤制度，机器人干净利落地引条款回答；另一个知识库里新旧两版制度都在，机器人可能把 2023 年的旧规则和 2026 年的新规则混着答，你还看不出它引的是哪版。问题不在模型，在你喂了冲突的材料。
本节配套的《用 Coze 零代码搭建一个知识库助手》（53AI，约 15 分钟）给了政策答疑、入职答疑机器人的六步完整闭环，可以对照着看不同平台的搭法。想再深一层，去「深入一层」看"知识库治理"：文档来源、版本号、生效日期、废止日期、责任人、可见范围、引用日志，再学分段策略和命中率评测。
上传多个冲突版本：机器人会新旧制度混用。只留现行版，旧版归档、不入库。
分段过长或过短：太长检索不准，太短丢上下文。按条款、问答对或小节来切分。
没设拒答规则：它会自己补制度。系统提示词必须写死"材料未提供，请咨询 HR"。
知识库没人管：制度更新了，机器人还在答旧内容。指定一个 HR 制度管理员维护版本。
配套参考资料
53AI · 覆盖 S5-6 · 约15分钟阅读 · 六步完整零代码闭环，政策答疑/入职答疑机器人
用扣子 / Dify，把制度政策喂进知识库。
自测
1知识库问答机器人的核心机制是什么？为什么理解它很重要？
核心是 RAG——先从你上传的制度里检索相关片段，再让模型只基于片段回答，而不是"让 AI 背住制度"。理解这点你才明白：它的上限被材料质量卡死，材料过期、冲突、缺失它都救不了；也才知道该在版本管理和分段上下功夫，而不是指望换个更强的模型。
2为什么知识库里绝不能同时放新旧两版制度？
因为 RAG 检索时可能把新旧版本的片段都捞出来，机器人会混着答，而且你从答案里看不出它引的是哪版——这比答错更隐蔽。只留现行版、旧版归档不入库，才能保证每个引用都指向当前有效的条款。知识库的干净程度直接等于答案的可信程度。
3员工问"这个绩效申诉到底谁有理"，为什么不该让知识库机器人来答？
因为这是需要事实调查和法律判断的个案，不是"制度里有明确答案"的问题。RAG 只能引用材料，答不了需要证据链和法务判断的争议。让它硬答只会给个看似合理的结论、误导当事人。正确做法是让它只整理相关制度依据和"需人工确认的问题清单"，判断交给 HR 和法务。
小结
- 知识库问答核心是 RAG：先检索制度片段、再基于片段回答，不是"让 AI 背制度"
- 擅长"制度里有明确答案"的问题（年假/请假/报销），不擅长需要调查和法律判断的个案
- "上传手册=有了 HR 专家"是错的——知识库质量决定问答质量，版本要唯一、条款不冲突
- 必设拒答规则"材料未提供，请咨询 HR"，并指定制度管理员维护版本，否则会答旧规则
实操落点
- 找一份你最常被追问、且不含敏感信息的制度——比如请假管理办法或报销流程说明。按文章的六步，在扣子里建一个机器人：给它设个"公司政策答疑助手"的人设，把这份制度传进知识库，配好回复方式。搭完先自己当员工问十个真实问题测一测，特别问一个制度里没写的，看它是老实建议"请联系 HR"还是瞎编。测通了再发给一小群同事试用。跑通这一个，你就掌握了把任何制度变成自助答疑机器人的完整套路。
深入一层 · 实战演练与研究依据
搭一个员工手册问答机器人，看 RAG 怎么工作
知识库问答的核心不是"让 AI 记住制度"，是 RAG——先从你上传的资料里检索相关片段，再让模型基于片段回答。用阿里云百炼搭个"员工手册问答机器人"测试版，全程点击。
准备资料（员工手册、考勤、假期、福利，删掉个人信息和内部备注），在百炼建知识库上传，再建智能体应用绑定它，系统提示写：「你是 HR 制度问答机器人。只能基于知识库回答。每个答案必须引用制度依据。知识库没写的内容，回答『材料未提供，请咨询 HR』。不得作辞退、处罚、调薪、劳动争议结论。」
关键是测三种问题：一个制度里有明确答案的、一个制度里没有的、一个高风险劳动关系问题。好的机器人：有依据的引条款，无依据的老实说"材料未提供"，高风险的拒绝下结论。坏的机器人：知识库没写它也凭常识补一个——这正是没设拒答规则的后果。
"上传员工手册"不等于"有了 HR 专家"
阿里云百炼知识库文档说明，知识库基于 RAG 为大模型补私有数据、提升准确性；Dify 也把 Knowledge 定位成 LLM 的额外事实来源、减少幻觉；扣子支持通过 API 建文本或图片知识库。三家原理一致：RAG 只能引用材料，解决不了材料本身过期、冲突或缺失。
所以知识库质量直接决定问答质量。制度文件要拆分清楚、版本唯一、条款不打架，还要给一个兜底答案——"材料未提供，请咨询 HR"。
五个翻车点
① 上传多个冲突版本——机器人会混用新旧制度，只留现行版，旧版归档不入库。
② 分段过长或过短——过长检索不准，过短丢上下文，按条款/问答/小节切。
③ 没设拒答规则——它会自己补制度，系统提示写死"材料未提供"。
④ 知识库没负责人——制度更新后还答旧内容，指定一个制度管理员维护版本。
⑤ 把员工关系个案交给它——个案要证据链和法务判断，只让它整理政策依据和需人工确认事项。
可复制的系统提示 + 再深一层
一份能直接用的系统提示：「你是公司 HR 制度问答机器人，严格遵守：知识范围只用已接入的正式制度（{员工手册/考勤/假期/福利}）；每个结论必须引用制度名称、章节或条款；没有明确依据时回答『材料未提供，请咨询 HR』；不得据常识补公司没写的规则；不得作录用/辞退/处罚/调薪/绩效定级/劳动争议责任判断；涉及个人权益的复杂问题，输出『需人工确认的问题清单』。输出格式：直接答案、制度依据、需补充确认的信息、风险提醒。」
再深一层是知识库治理：给每份文档标来源、版本号、生效日期、废止日期、责任人、可见范围、引用日志。学有余力可学向量检索、重排、分段策略，用 50 个脱敏真实问题做测试集，算两个指标——"有答案命中率"和"无依据拒答率"。
- 阿里云《知识库》，2026
- Dify《Knowledge》，2026
- 扣子《创建知识库》，2026