知識庫做得好不好，八成看資料。同樣的模型，資料整理過的公司問十題對九題，沒整理的問十題對五題還常答到舊版本。導入前先做這五件事，時程會短很多。
1. 檔案格式
PDF、Word、Excel、純文字、Notion 匯出都可以。掃描檔要先 OCR，圖片裡的文字模型看不到。表格多的文件用 Excel 或 CSV 比 PDF 好抓。
2. 資料夾結構
照部門或主題分資料夾，一個資料夾一個主題。「雜項」「其他」「新資料夾(2)」這種名字先處理掉，因為資料夾名稱會影響模型判斷來源。
3. 版本
- 同一份文件有 v1、v2、final、final2，只留最新的，或在檔名寫明年份。
- 過期的 SOP、舊價格表移到另一個資料夾，不要跟現行的混在一起。
- 模型不知道哪份是最新的，兩份都在就可能兩份都引用。
4. 權限
先決定誰能問到什麼。薪資、合約、客戶名單這類，通常另建一個只有特定帳號能查的知識庫。我們會做帳號與權限設定，但哪些人能看哪些資料，要你們先定。
5. 敏感資訊
雖然資料在地端不會外流，但還是建議把身分證字號、信用卡號這類從文件裡拿掉，或另外存放。模型回答時不會判斷什麼該講什麼不該講。
整理到什麼程度算好
不用完美。先挑一個部門、一百份文件試跑，看回答品質，再決定要不要花時間整理其他部分。評估時把資料夾結構截圖給我們就能先看出問題。