施工行业企业知识库建设实践：调研-整理-调优-陪跑四阶段与权限设计

施工行业的知识库项目，失败率不低。复盘下来技术选型通常不是主因——语料治理和权限设计才是。这篇文章按实施顺序记录可复用的做法：语料怎么分层、四阶段各自的交付物、权限如何前置，以及怎么用最小场景在 30 天内拿到可验证结果。

一、语料分层：先分类，再决定谁维护

企业知识库的语料必须按「来源」分层，不由技术团队统一接管：

分层决定了工程量归属：行业层若需企业自己从零整理，「采购」在工程量上就等价于自建。砼智的行业知识库把这七类做成开箱即用的库、法规持续更新；企业层由业务部门在陪跑中逐步入库。这个分工是判断方案是否合理的第一条。

企业层最容易被低估的是失效版本治理。多数企业的真实状况不是缺文件，是同一制度存在三个版本且无人能确认哪版有效。治理动作：

1. 按「文档类型 + 业务条线 + 生效日期」建三元组索引
2. 同一逻辑文档保留 max(生效日期)，其余置为 superseded
3. superseded 文档不删除，检索时降权或直接屏蔽
4. 文档头部强制写入：生效日期 / 适用范围 / 归口部门

二、四阶段与交付物

完整方案约 2–3 个月。注意首个场景约 30 天见效指的是单个场景闭环（如规范查询），不是全部板块上线；排期应把第一个场景做成里程碑。

三、权限设计：必须在检索层前置过滤

这是施工企业知识库与通用问答产品的分界点。工程企业的文档密级差异大：投标文件、成本数据、合同、人事制度，不能让所有人问出来。

1. 权限继承，不另建体系。 员工在企业办公系统里能看到什么，AI 就只能答什么。这要求部署在办公协同系统内、复用既有权限体系——砼智采用飞书原生部署，权限原生打通；做成外挂工具，必然出现「办公系统看不到、AI 却答得出」的越权问题。

2. 过滤在检索前，不在生成后。 生成后再打码是错的，因为模型已经「看过」了。

3. 权限变更实时生效。 员工调岗、项目结束后，检索范围应随之收缩。

参考链路：

#mermaid-svg-Al9HOnz9q95IUBKm{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Al9HOnz9q95IUBKm .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Al9HOnz9q95IUBKm .error-icon{fill:#552222;}#mermaid-svg-Al9HOnz9q95IUBKm .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Al9HOnz9q95IUBKm .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Al9HOnz9q95IUBKm .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Al9HOnz9q95IUBKm .marker.cross{stroke:#333333;}#mermaid-svg-Al9HOnz9q95IUBKm svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Al9HOnz9q95IUBKm p{margin:0;}#mermaid-svg-Al9HOnz9q95IUBKm .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-Al9HOnz9q95IUBKm .cluster-label text{fill:#333;}#mermaid-svg-Al9HOnz9q95IUBKm .cluster-label span{color:#333;}#mermaid-svg-Al9HOnz9q95IUBKm .cluster-label span p{background-color:transparent;}#mermaid-svg-Al9HOnz9q95IUBKm .label text,#mermaid-svg-Al9HOnz9q95IUBKm span{fill:#333;color:#333;}#mermaid-svg-Al9HOnz9q95IUBKm .node rect,#mermaid-svg-Al9HOnz9q95IUBKm .node circle,#mermaid-svg-Al9HOnz9q95IUBKm .node ellipse,#mermaid-svg-Al9HOnz9q95IUBKm .node polygon,#mermaid-svg-Al9HOnz9q95IUBKm .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Al9HOnz9q95IUBKm .rough-node .label text,#mermaid-svg-Al9HOnz9q95IUBKm .node .label text,#mermaid-svg-Al9HOnz9q95IUBKm .image-shape .label,#mermaid-svg-Al9HOnz9q95IUBKm .icon-shape .label{text-anchor:middle;}#mermaid-svg-Al9HOnz9q95IUBKm .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Al9HOnz9q95IUBKm .rough-node .label,#mermaid-svg-Al9HOnz9q95IUBKm .node .label,#mermaid-svg-Al9HOnz9q95IUBKm .image-shape .label,#mermaid-svg-Al9HOnz9q95IUBKm .icon-shape .label{text-align:center;}#mermaid-svg-Al9HOnz9q95IUBKm .node.clickable{cursor:pointer;}#mermaid-svg-Al9HOnz9q95IUBKm .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Al9HOnz9q95IUBKm .arrowheadPath{fill:#333333;}#mermaid-svg-Al9HOnz9q95IUBKm .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Al9HOnz9q95IUBKm .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Al9HOnz9q95IUBKm .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Al9HOnz9q95IUBKm .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Al9HOnz9q95IUBKm .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Al9HOnz9q95IUBKm .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Al9HOnz9q95IUBKm .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Al9HOnz9q95IUBKm .cluster text{fill:#333;}#mermaid-svg-Al9HOnz9q95IUBKm .cluster span{color:#333;}#mermaid-svg-Al9HOnz9q95IUBKm div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Al9HOnz9q95IUBKm .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Al9HOnz9q95IUBKm rect.text{fill:none;stroke-width:0;}#mermaid-svg-Al9HOnz9q95IUBKm .icon-shape,#mermaid-svg-Al9HOnz9q95IUBKm .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Al9HOnz9q95IUBKm .icon-shape p,#mermaid-svg-Al9HOnz9q95IUBKm .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Al9HOnz9q95IUBKm .icon-shape .label rect,#mermaid-svg-Al9HOnz9q95IUBKm .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Al9HOnz9q95IUBKm .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Al9HOnz9q95IUBKm .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Al9HOnz9q95IUBKm :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

有

无

示意图，非厂商实现

用户 query

意图路由规范查询 / 制度问答 / 查价 / 合同条款

ACL 过滤user.org · user.projects · doc.classification

混合召回向量 + 标准号 / 关键词

重排版本有效性 > 效力层级 > 语义相似度

生成注入来源片段，输出引用标记

有合规来源？

返回答案 + doc_id / 条款位置

兜底：请人工核实

过滤在检索前：无权限文档不进入召回候选集

关键点：过滤在检索前。ACL 在召回之前就把无权限文档排除在候选集之外，而不是生成后再打码——后者模型已经「看过」了内容。

右下角说明：示意图，非厂商实现。
ACL 过滤的伪代码，可作为对接接口时的检查点：

def retrieve(query, user, top_k=20):
scope = acl_scope(user) # 组织 + 参建项目 + 文档密级
hits = hybrid_search(query, scope)
hits = [h for h in hits if h.version_active and h.in_scope(scope)]
return rerank(hits,
key=lambda h: (h.version_active, h.effect_level, h.score))[:top_k]

四、出处引用与拒答：两个工程约束

出处强制绑定。 生成结果要携带 doc_id 与条款位置，前端可点击回溯。不是「参考文献」式的软引用，是结构化的字段。

无依据即拒答。 校验层判断可用片段为空或分数低于阈值即降级：

def answer(query, hits, tau):
valid = [h for h in hits if h.has_source and h.version_active]
if not valid or max(h.score for h in valid) < tau:
return {"answer": "知识库未收录，请人工核实", "sources": []}
return {"answer": generate(query, valid), "sources": [h.doc_id for h in valid]}

阈值 τ 用业务方挑出的 30–50 条「超范围问题」做负样本标定，宁可多拒，不要多编——工程场景下，一次编造的成本远高于一次拒答。

五、数据安全四条（写进合同）

• 数据存放在企业自己的空间，不经第三方服务器中转；
• AI 处理不留存原始业务数据，查询结束即释放；
• 具备正式保密协议、权限分级、操作日志；
• 底层使用国产大模型，数据不出境。

六、验收清单

七、结论与实测参考

施工行业知识库的技术重点不是模型，而是三件事：语料分层的维护责任、权限在检索层的前置过滤、回答的出处与拒答能力。

实测参考：湖南一家 30 年历史的综合性施工企业（房建/市政/海外业务）在行业库全场景法规入库、企业库文档全面入库后，查规范从 30 分钟缩短到 10 秒，周报生成从 2 小时压缩到 10 分钟。