RAG 知识库入库前，怎样批准资料来源和版本？

知识库可能把不该用的文件检索得非常准。同一共享目录里有正式制度、提前发布的草案、解释制度的 FAQ，以及从外部复制的资料。相关性排序不能决定哪一份可以支撑用户结论。应在切块和建索引之前，趁原件与负责人仍可辨认，先完成资料准入。

本页承接是否值得建设 RAG的决定，产出每个具体来源版本的准入记录。它不测搜索排名、不执行请求者权限，也不证明后续更新已传到索引；这些分别由检索试验、文档权限验证和索引刷新验收处理。

批准的是某一版资料的具体用途

先写清助手被允许回答哪类问题。对每份候选资料，找到谁产生原件、正式记录在哪里、谁有权批准使用，以及它适用的产品、地区、人群和时间。一份“已批准”文件也不是所有问题的最高权威：设备手册可以规定某硬件版本的维修步骤，FAQ 可能只负责告诉用户去哪里找手册。上传文件的人和维护索引的工程师，不会自动成为制度负责人。

给来源稳定 ID 和独立的版本 ID，另存原件位置、发布日期、生效起止时间，以及被它取代的版本。文件哈希能帮助发现字节变化，却不能证明内容正确或已经获批。W3C PROV-O 提供“派生自”“修订自”“归属于”“失效时间”等溯源关系；可以借用这些概念写普通元数据，无须实现 RDF、OWL 或 PROV-O，也不能靠它们替业务负责人判断权威性。

NIST 自愿使用的 AI 风险管理框架，在 Core 的 Map 2.3 中把资料的可得性、代表性和适用性列为数据选择时可记录的考虑；Govern 6.1 则提出管理第三方知识产权及其他权利风险的治理成果。对应到准入表，应记录外部副本的预期用途由谁复核。网页公开可读，不等于已经得到复制、嵌入向量或再分发内容的批准；使用权与资料是否准确是两个不同问题。

给候选版本一个明确结论

按拟回答的问题范围，在台账里作五类决定：

决定	适用情形	对线上检索的要求
准入	原件、负责人、使用权、受众、生效范围和冲突规则均已核准。	仅在指定问题和有效时间内成为候选，仍须执行请求时权限。
暂存	版本已获批准，但尚未到生效日。	不能回答“当前适用什么”；只有获准提前披露，才能明确标为未来规则回答未来日期问题，并安排切换与验证。
待核	负责人、使用权、生效日或实质冲突没有结论。	不能为正式回答提供依据；把疑点交给有权负责人。
拒收	有权复核者明确否决该副本或其复制、入库用途。	始终不进入服务路径，历史问题也不能调用。
退役	曾经准入的版本被新版本取代，或被撤出当前用途。	退出当前回答。被取代的旧版仅在明确批准后用于带日期的历史问题；因错误撤稿则需负责人另行裁定。

不能用最近编辑时间解决权威冲突。昨天改过的摘要，可能与仍然生效的正式制度相矛盾。应比较具体条款和适用范围，由有决策权的资料负责人裁定。若两份有效的权威文件彼此冲突，而且没有已批准的优先规则，先暂停受影响的结论；证据不足回应关卡再决定用户看到什么。

让准入决定真正进入检索链路

准入台账应产出可执行的候选规则：来源与版本 ID、允许回答的问题类别、受众、生效区间和当前状态。未来生效或待核的材料可留在受控暂存区，或者由服务端执行排除条件；仅在 Prompt 里写“不要用”不是准入控制。抽样检查子片段是否保留父文档 ID、版本、范围和准入状态。若受限附录与正文受众不同，要把它作为独立权限单元处理。

Azure AI Search 索引器可以从配置好的来源提取文字及元数据并写入索引。入库成功只说明流水线搬动了资料，不能证明制度负责人批准，也不能证明每次查询都按受众过滤。文档权限工作表负责核实请求时授权；来源状态变化后，索引刷新验收负责检查旧片段、向量、缓存和引用是否同步。不能因为台账已改，就宣布线上知识库已经更新。

案例一：未来生效的手册提前出现

在虚构的设备客服场景中，AsterLab Pump P4 手册 Rev B 已获批准，2026-10-01 正在生效，规定滤芯每 90 天更换。Rev C 也已经批准，但写的“每 60 天”要到 2026-11-01 才生效。一份经销商 FAQ 于 2026-09-29 更新，已写“60 天”，却没有标明未来生效日。

台账把 Rev B 准入当前 P4 更换周期问题，把 Rev C 暂存。FAQ 可以帮助用户找到正式手册，但它的“60 天”结论先待核，由工程资料负责人解释与手册的差异。问截至 2026-10-15 适用什么，应按 Rev B。若有人在 10 月问计划于 2026-11-15 适用什么，且负责人允许提前披露、未来日期的回答路径已验收，助手可以说明获批 Rev C 规定从 11 月 1 日起改为 60 天，并显著标明它尚未生效；若禁止提前公开，台账须记录并执行该限制。到了 11 月 1 日，普通现行问题要在服务端切换完成且经验证后才按 Rev C 回答。若业务允许带日期的历史问题，Rev B 切换后也只在那个窄范围内保留，并显著标注所问日期。“只留最新 PDF”会同时答错当前问题和历史问题。

案例二：较新的 FAQ 与正式政策冲突

在另一项虚构的差旅知识库里，HarborWorks 的 HR 政策 TR-4 v2 于 2026-09-15 批准，适用北区员工，规定每晚住宿上限为 140 个计价单位。一份 2026-09-28 编辑的员工 FAQ 写成 180，却没有指向已批准的修订案。外部合作方还发布了一份差旅指南副本，但团队尚未复核复制与入库使用权。此时一位承包商又来询问上限，超出了 TR-4 的员工适用范围。

台账只把 TR-4 v2 准入“北区员工”的已记录范围。FAQ 的冲突数值与外部副本分别交给政策负责人和使用权负责人复核；更新时间更晚或链接公开，都不使它们自动成为权威。承包商的问题不能从员工政策推断。HR 必须先解决数值冲突，或给出适用承包商的正式规定，助手才能作明确的报销资格判断。台账留下冲突条款和复核人，不把 140 与 180 拼成一个看似折中的数字。

把台账交给下一道验收

下方工作表按每个确切版本一行填写。另一位复核者应能说出：哪份资料可以在何时、对谁、支持哪项结论，以及谁批准了这个决定。上线前加入反例：待核 FAQ 不能支持上限，未来生效的手册不能回答当前问题，退役版本不能伪装成现行资料。每个反例也配一个应被找到的合格来源，避免“全都搜不到”假装通过。

准入记录是决策依据，尚不是线上索引实测。把预期合格资料交给检索试验；运行时权限和变更传播仍分别验收。负责人、使用条款、权威顺序、适用范围或版本链发生变化，都要重开准入决定。

不适用边界

准入关卡不能证明获批资料客观正确、抽取过程没有丢条款，或生成回答忠实使用原文；登记受众字段也不能赋予用户访问权。保留资料负责人、复核记录和冲突升级路径，让模型使用获批证据，而不是让模型充当批准人。