知识库是什么？存放结构化知识以供查询和推理的库

知识库（Knowledge Base）是一种以结构化、可查询的方式存储知识的系统，里面存放着事实、规则、概念及其相互关系，供计算机进行检索和推理。不同的时代和应用中，“知识库”所指的具体形式有所不同。

专家系统中的知识库

在 20 世纪 70 至 80 年代流行的专家系统中，知识库是系统的核心部分，与推理机一起工作。知识库中存放着从领域专家那里获取的知识，通常以“如果……那么……”的规则形式表示，比如“如果病人发烧并且咳嗽，那么可能是呼吸道感染”，以及一些关于具体对象的事实。推理机负责把这些规则应用到具体问题的事实上，推导出结论。把知识库和推理机分开的好处是：要更新知识，只需要修改知识库中的规则，而不必修改程序。著名的医疗诊断系统 MYCIN 的知识库中就包含了约 600 条规则。专家系统的一个主要困难，是把专家的知识整理成规则非常费时费力，这被称为知识获取瓶颈。

大规模知识库与知识图谱

进入互联网时代后，出现了一批规模巨大的通用知识库，它们通常以知识图谱的形式组织，用“实体-关系-实体”的三元组来存储海量的事实，比如“北京-首都-中国”“爱因斯坦-出生地-乌尔姆”。代表性的有：Cyc，由道格拉斯·莱纳特从 1984 年开始构建，试图手工地编码人类的常识；DBpedia 和 YAGO，从维基百科中自动抽取结构化的知识；Freebase，后来被谷歌收购，2016 年关闭后数据迁移到了 Wikidata；Wikidata，由维基媒体基金会运营的自由协作知识库，任何人都可以编辑，包含上亿条数据。谷歌在 2012 年推出了知识图谱，用于在搜索结果旁边直接展示实体的信息。国内也有百度、阿里巴巴等公司构建的知识图谱，以及面向特定领域的医疗、金融知识图谱。这些知识库被用于搜索引擎、智能问答、推荐系统和语音助手。

大模型时代的知识库

在大语言模型的应用中，“知识库”常常指为检索增强生成（RAG）准备的资料库：企业把自己的产品手册、规章制度、技术文档、客服问答等资料整理起来，切分成片段，转换成向量存入向量数据库。当用户提问时，系统先从知识库中检索出相关的片段，再交给大语言模型，让它根据这些资料来回答。这样做的好处是：大模型可以使用企业的私有知识和最新的信息，回答更准确，减少编造，而且可以给出信息的来源；更新知识只需要更新知识库，不需要重新训练模型；还可以根据用户的权限控制能访问哪些资料。

构建和维护知识库的要点

无论哪种形式，知识库的质量都至关重要：内容要准确、及时更新，过时或错误的知识会直接导致错误的回答；要有清晰的组织和统一的规范，比如实体的命名、概念的分类；对于检索用的知识库，文档如何切分、如何处理表格和图片、如何去除重复，都会显著影响检索的效果。还需要注意知识的来源是否可靠、是否涉及版权和隐私。如今，人们也越来越多地用大语言模型来辅助构建知识库，比如从非结构化的文本中自动抽取实体和关系，再经人工审核后加入知识图谱。