个人助手答偏那天，我陪他改了四个参数

下午四点十分，他敲了一句「出差住宿超标怎么审批」，助手回了三段话。

看着像那么回事。条款编号也编出来了。可公司那份《差旅管理办法》里根本没有这一条。

这是他换的第三个模型。前两个也一样，答得流畅，答得不对。

我把这一天的记录按时间顺序理了一遍。真正修好它，靠的不是换模型，是四个参数。

9:20，八十份文件倒进知识库

他做内训，手上八十多份材料：差旅管理办法、报销细则、培训 SOP、几十份岗位手册。

建库这一步，他花了八分钟。名字一填，文件一拖，解析方式没动，切片方式和分段长度也没动，直接点创建。

阿里云百炼这套流程里，这两个默认值分别是「智能切分」和「最大分段长度 600」，可调范围 10 到 6000 个字符。

600 字对一篇公众号文章够用。对一份条款型制度文件，偏小。为什么偏小？因为制度文件是按条写的，一条一句话说完，中间不该有断口。

库建完，状态显示已就绪。他以为活儿干完了。

10:40 翻车：答得准的问题，都落在同一段里

问「报销标准是多少」，答得准。问「住宿超标怎么审批」，开始编。

他当时的判断很自然：模型不行，换一个。十一点换了第二个，下午两点换了第三个，表现一模一样。

你猜他在这两个多小时里做了什么？填表、等额度、复制那八十份文件重新上传，三遍。

有个细节，下午才看清：答得准的那几个问题，答案都落在文件的同一段里；答偏的那几个，答案都跨在两段之间。

《差旅管理办法》的原文里，「住宿标准」和「超标审批流程」本来是连着写的两小节。600 字一刀下去，标准留在上一段，审批落到下一段。他问审批，检索捞回来的是讲标准那一段。

模型没撒谎。它手上就只有半张纸。

先算一笔账：换模型换掉的是什么

三次换模型，加起来两个多小时。

这段时间里真正有效的事只有一件：把捞回来的原文打印出来看一眼。看一眼就明白，那一段开头是「住宿费标准如下」，结尾停在「特殊情况需报部门负责人」——审批的正文在下一段，压根没被送到模型面前。

我后来跟人讲这件事，只用一句话概括：切片是知识库的颗粒度，模型只是在这个颗粒度上做匹配。颗粒度错了，再强的模型也是在错的候选里挑选，挑得再准也救不回来。

换句话说，换模型换的是挑选的手，没换的是那些已经被切碎的东西。手再好，桌上就那几片纸，也拼不出完整条款。

这句话值得再说一遍，因为它解释了为什么很多人换了五六个模型，问题一次没变。

分四步改：先切对，再捞全

第一步，分段长度。600 提到 1000，上限不超过 2000。判断标准只有一条：一段要装得下一个完整条款，包括它的适用条件和例外。

第二步，切片方式。默认的智能切分换成按标题切——条款型文件的一级标题就是条款边界，切出来每段自带小标题，模型看到段头就知道自己在读哪一条，不会把标准和审批混成一团。

第三步，TopK。这一项他找了十分钟才找到，因为它根本不在创建页面里，而在检索服务那一层，入口名字还不叫「检索」，叫「检索服务」——差一个字，很多人就以为这里没有。

不知道和答不对，差在哪

这两件事，处理方式完全相反。

「不知道」是没捞到。百炼文档写得很直白：排序模型、TopK、相似度阈值这些「检索参数在检索服务中配置」。创建知识库那一步只管解析、切片、向量化，检索参数是另一个地方的事。九成人建完库就走，从来没打开过那第二处。

「答不对」是捞到了但读错。答案就在上下文里，模型理解偏了，那是提示词和指令的事。

分不清这两者，就会一直在错的层里使劲：明明是没捞到，却反复优化提示词，把提示词改到第三十版还是那几句车轱辘话；明明是读偏了，却一遍遍重建索引，看着进度条跑完再跑一遍，把一下午耗在一个跟答案无关的按钮上。

TopK 决定最多捞几段回来，默认值偏保守，只有最像的两三段能进模型视野；阈值偏高的时候，用户口语和文件用词差一层——文件写「住宿费标准」，人问「酒店能报多少」——相似度掉下去，条款直接被门槛挡在外面。

顺带两个坑

第四个参数是相似度阈值，往下松一档。松完重建，等索引跑完。这中间他问了一句：换更强的向量模型是不是更好？

我没让他换。默认的 text-embedding-v4 够用，而且文档写了「调整嵌入模型会触发全量重建索引」，换一次全库重跑几十分钟，治的还不是这个病。

第二个坑是上传。一次最多 50 个文件、单个不超过 150MB，八十多份材料要分两批；扫描件别用默认的电子文档解析，选文档智能解析，否则切出来全是乱码，后面怎么调都白搭。

可以直接抄的一段话

不想记参数的话，把下面这段原样发给负责搭助手的人，别自己转述，转述一次就丢一半细节：

「知识库按标题切，单段 800 到 1200 字，让一段装得下一个完整条款；切完抽 20 条真实提问跑一遍，看该出现的条款有没有被捞回来；召回不全就去检索服务里把 TopK 加到 5 到 8、阈值松一档；换模型放最后，换之前先确认颗粒度已经对了。」

16:10 复测，和三点复盘

再问「出差住宿超标怎么审批」，这次答的是原文：超标多少以内由部门负责人审批，超过多少报分管领导，附一张审批单。条款编号对得上，他翻文件核了一遍。

答得准不是重点。重点是那句「我不知道」消失了——原来模型不是不知道，是没拿到。

后来我们又抽二十条真实提问跑了一遍：十四条直接命中原文，五条答得笼统但方向对，一条仍然偏。那条偏的，问题出在原文件里写了两套口径，属于文件本身的坑，不是检索的锅。

复盘三句话。答偏先看颗粒度，别先换模型。切片和检索是两个地方，建库只做了前一半。判断切得好不好，不用看参数，抽十条真实提问，看该出现的原文有没有被捞回来。

为什么抽十条就够？因为这十条里只要有两条该出现没出现，说明是切片问题；十条都出现了却答得偏，才轮到提示词和模型。

那天他问我要不要把这套配置写成一页纸贴工位上。我说可以，但顺序别记反：先切对，再捞全，最后才是换模型。

下次你的助手答偏，你会先翻它的切片设置，还是先打开模型列表？