行业使用场景
RAG 和 LLM Wiki 知识库在各行业的使用方式——存什么内容、谁在用、哪种方式更合适。
快速参考：
- RAG — 适合文档量大、更新频繁、需要精确引用来源的场景
- LLM Wiki — 适合稳定的结构化知识：概念、SOP、术语、决策记录
- 两者结合 — Wiki 提供稳定知识骨架，RAG 处理动态检索深度
律师事务所
知识库存什么： 案例法与判决先例、合同模板库、M&A 尽调历史文件、法规更新（SEC、GDPR 等）、内部 SOP 与卷宗管理手册。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 法律研究加速 | 助理律师、初级律师 | 自然语言提问，RAG 从案例库返回引用注脚 |
| 合同审查 | 资深律师 | 上传合同，系统对比历史条款、标记风险点 |
| M&A 尽调 | 并购团队 | 扫描数千份文件，提取关键负债与风险 |
| 合规监控 | 合规官 | 自动索引法规更新，推送相关变更提醒 |
| 客户自助门户 | 客户 | 常见法律问题由 AI 基于内部知识库自助回答 |
方案选择： RAG 为主（文件量庞大、法规频繁更新、必须精确引用）。LLM Wiki 负责法律概念定义、内部术语表、标准流程说明。代表工具：Harvey AI、Thomson Reuters CoCounsel。
会计 / 财务事务所
知识库存什么： GAAP/IFRS/税法条文与解释性指南、IRS 出版物、审计准则（PCAOB/ISA）、客户财务报表与审计底稿、SEC/FASB 规则更新、标准参与信函模板。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 税务研究 | 税务经理、会计师 | 自然语言查询税法条文，获得引用注脚 |
| 审计支持 | 审计团队 | RAG 检索审计准则，生成审计备忘录草稿 |
| 财务报表分析 | 分析师、投顾 | 上传 10-K/10-Q，LLM 摘要关键风险和异常 |
| 监管变更跟踪 | 合规官 | 自动摄取 FASB/PCAOB 新规，推送影响提醒 |
| 客户理财顾问机器人 | 财富管理客户 | 基于客户投资组合回答专属问题 |
方案选择： RAG 为主（税法/准则量大、版本更新快）。LLM Wiki 负责 GAAP 核心概念、内部操作手册、常见问答。代表工具：Microsoft Copilot for Finance、Workiva AI、Bloomberg Tax AI。
制造工厂
知识库存什么： 设备操作手册、维修服务公告、故障历史与维修日志、SOP、质量检验清单、OSHA/ISO 安全标准、供应商规格与 BOM。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 设备故障排查 | 现场技师 | 自然语言描述故障，RAG 返回手册对应步骤 |
| 质量管控 | QC 人员 | 查询历史缺陷模式，获取检验 SOP |
| 安全合规 | 安全主管 | 实时检索 OSHA/ISO 条款，应对现场问题 |
| 新员工入职培训 | 新工人 | 问答式学习工厂流程，减少对老员工依赖 |
| 供应链询盘 | 采购 | 查询供应商交期、零件规格与替代选项 |
方案选择： RAG 为主（设备手册 PDF 量大、需按型号精确检索）。LLM Wiki 负责通用操作规范、术语词典、入职培训路径。两者结合：Wiki 作结构化知识骨架，RAG 检索具体手册细节。
软件开发团队
知识库存什么： 技术文档、API 参考、架构决策记录（ADR）、Confluence/Notion 页面、Jira 工单历史、Bug 报告与解决方案、代码注释与 README、关键技术讨论记录。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 开发者文档问答 | 工程师 | 自然语言查询 API 用法、架构惯例 |
| IT 帮助台自动化 | IT 支持 | 1/2 级工单由 AI 基于内部 KB 自动解答 |
| 新工程师 Onboarding | 新工程师 | 询问系统设计和代码结构，快速上手 |
| 代码审查辅助 | Reviewer | AI 检索类似历史 PR/决策，辅助评审 |
| 故障响应 | SRE/DevOps | 快速检索 runbook、历史事故处置记录 |
方案选择： LLM Wiki 为主（架构设计、概念说明、规范文档——PieKBS 的核心场景）。RAG 负责大量非结构化文档（Confluence、Jira、Slack 归档）。两者结合：PieKBS 存稳定知识，RAG 动态检索最新 Issue/PR。代表工具：GitHub Copilot Enterprise、Glean、Guru。
客服中心
知识库存什么： 产品/服务 FAQ、退换货政策、服务协议、历史工单与解决案例、客服话术脚本与升级流程 SOP、CRM 客户历史记录。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 实时坐席辅助 | 客服代表 | 通话中实时弹出 RAG 建议答案，减少查找时间 |
| 智能机器人自助 | 终端客户 | 常见问题由 AI 直接解答，减少人工工单量 |
| 工单分类路由 | 系统自动 | AI 理解问题内容，智能分配给对应专家组 |
| 新客服培训 | 新员工 | 模拟问答，熟悉话术和产品知识 |
| 首次解决率优化 | 质检 | 分析未命中知识点，持续更新知识库 |
方案选择： RAG 为主（客服知识更新频繁，促销政策、新产品实时变动）。LLM Wiki 负责稳定的标准话术、退货政策、升级流程。代表工具：Zendesk AI、Salesforce Einstein、Amazon Q。
医疗 / 医院
知识库存什么： EHR 摘要与患者历史、临床指南、药物相互作用数据库、ICD-10/CPT 编码规范、医院内部流程、护理 SOP、医学文献（PubMed 等）。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 临床决策支持 | 医生 | 查询药物禁忌、诊疗指南，辅助诊断 |
| 病历交接摘要 | 护士、住院医 | AI 自动摘要患者 EHR，加速晨交班 |
| 医疗编码辅助 | 编码员、财务 | RAG 从历史案例匹配正确 ICD/CPT 代码 |
| 患者 FAQ 机器人 | 患者 | 查询预约、费用、用药注意事项 |
| 影像/病理报告辅助 | 放射科、病理科 | AI 检索类似历史报告，辅助起草诊断 |
| 药物查询 | 药剂师、护士 | 实时检索药典与医院处方集 |
方案选择： RAG 为主（医学文献量极大、临床指南更新快、必须有来源证据）。LLM Wiki 负责医院内部 SOP、护理流程、常见病种护理路径。注意： HIPAA 合规要求私有化部署。代表工具：Epic AI、Microsoft Azure Health Bot、Nuance DAX。
金融 / 投行
知识库存什么： 监管法规（Basel III、MiFID II、Dodd-Frank）、研报、财报、盈利电话会议记录、交易历史、风险模型文档、KYC/AML 合规流程、内部投资备忘录。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 投资研究合成 | 研究分析师 | RAG 整合多源研报/财报，生成摘要洞察 |
| 合规问答 | 合规官、风险官 | 查询最新监管条文，判断业务是否合规 |
| 客户顾问支持 | 理财顾问 | 通话中实时拉取产品信息与政策解读 |
| 反欺诈知识库 | 风控团队 | 跨团队共享新型欺诈模式识别知识 |
| M&A 尽调 | 投行 | 快速扫描目标公司财务与法律文件 |
| 交易员合规助手 | 交易员 | 交易前查询合规规则，避免违规操作 |
方案选择： RAG 为主（监管文件量大、更新频繁）。LLM Wiki 负责内部产品知识、标准化合规流程。注意： 高度敏感数据需气隔离（Air-gapped）或私有云部署。
教育 / 培训机构
知识库存什么： 课程内容、教学材料、入学政策、奖学金 FAQ、考试大纲、历年真题解析、教师研究成果、认证合规文档。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 学生问答机器人 | 学生 | 自助查询课程安排、选课规则、奖学金 |
| 个性化学习助手 | 学生 | AI 基于课程 KB 提供答疑与辅导 |
| 教职员工知识库 | 教师、行政 | 查询院系政策、表格流程、合规要求 |
| 企业培训检索 | 培训员工 | 查询培训材料、考点、历史案例 |
| 毕业论文辅助 | 研究生 | 语义检索相关文献与已有研究结论 |
方案选择： 两者结合——课程结构与教学路径写成 Wiki，具体题目和研究文献用 RAG 动态检索。LLM Wiki 为主适合 K12 标准化教材和企业固定培训内容。代表工具：Khanmigo、Microsoft Copilot for Education。
政府 / 公共机构
知识库存什么： 法律法规全文、政策文件、政府服务 FAQ（税务、社保、签证）、跨部门业务流程与审批手册、历史政策解读、内部规章制度。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 市民服务门户 | 普通市民 | 24×7 自助查询税务、社保、证件办理流程 |
| 政策文件检索 | 公务员 | 自然语言检索政策条文，辅助决策起草 |
| 跨部门知识共享 | 各部门 | 统一知识库打破信息孤岛 |
| 合规审查 | 审计官员 | 检索法规对照，辅助合规审查工作 |
| 议会问答支持 | 政务人员 | 快速检索历史文件为质询准备答辩材料 |
方案选择： 两者结合——稳定政策法规写成结构化 Wiki 供市民理解，具体条文全文索引用 RAG。注意： 政府数据主权要求本地化部署。代表工具：Palantir AI Platform、Microsoft Azure Government。
电商 / 零售
知识库存什么： 商品详情、规格参数、使用说明、退换货政策、物流追踪 FAQ、历史工单、库存/供应链/供应商数据、促销活动规则与会员权益。
| 使用场景 | 使用者 | 具体做法 |
|---|---|---|
| 智能商品问答 | 客户、客服 | 自然语言查询商品参数、库存、发货时效 |
| 退换货自动化 | 客户 | AI 自助完成退货申请，减少人工处理 |
| 个性化推荐 | 购物者 | 知识库结合用户画像，精准推荐商品 |
| 供应链 Q&A | 采购、运营 | 查询库存、供应商交期、备货建议 |
| 坐席辅助 | 客服 | 通话中实时弹出政策答案，减少处理时长 |
方案选择： RAG 为主（SKU 量极大、商品信息频繁变动）。LLM Wiki 负责通用退货政策、会员等级规则、FAQ。代表工具：Salesforce Einstein、Zendesk AI、Shopify Sidekick。
更多行业
| 行业 | 知识库内容 | 核心使用场景 | 推荐方案 |
|---|---|---|---|
| 电信 | 网络故障手册、套餐对比、流失挽留预案 | 技术人员故障排查、客服推荐套餐、挽留话术 | RAG 处理故障，Wiki 存话术 |
| 保险 | 保单条款、理赔 SOP、核保标准、监管法规 | 理赔员查询条款、核保辅助决策、合规问答 | RAG 为主，Wiki 存稳定流程 |
| 生命科学 / 制药 | 临床试验数据、FDA/EMA 法规、药物研发文档 | 研发人员文献检索、监管申报文件起草 | RAG + Wiki 结合 |
| 房地产 | 房源信息、市场报告、合同模板、地方法规 | 经纪人 Q&A、市场分析、合同审查 | RAG 为主 |
| 媒体 / 出版 | 存档文章、编辑规范、版权数据库 | 记者调研、编辑一致性检查、版权核查 | RAG + Wiki 结合 |
PieKBS 在各行业的切入点
PieKBS 本地优先、MCP 原生、纯 FTS 的特性，在以下行业场景特别契合：
| 行业 | 契合度 | 具体用法 |
|---|---|---|
| 律师事务所 | 高 | 将案例研究笔记、决策记录、客户案件摘要编译成可审计的 Wiki |
| 会计事务所 | 高 | GAAP 概念结构化知识库、内部业务方法论 Wiki |
| 制造工厂 | 中 | 工厂 SOP、设备词典、入职知识库——仅适合稳定内容 |
| 软件开发 | 非常高 | ADR 库、架构知识库、团队 Onboarding Wiki——PieKBS 的核心场景 |
| 客服中心 | 中 | 标准话术 Wiki、稳定政策参考——与 RAG 结合处理动态产品数据 |
| 医疗机构 | 高 | 内部临床 SOP、护理路径 Wiki——私有化部署满足 HIPAA 要求 |
| 金融机构 | 高 | 内部合规流程 Wiki、产品知识库——气隔离部署满足安全要求 |
| 教育机构 | 高 | 课程结构 Wiki、机构知识库、研究综合 |
| 政府机构 | 高 | 政策解读 Wiki、市民 FAQ 知识库——本地部署满足数据主权要求 |
| 研究团队 | 非常高 | 文献综合、概念图谱、决策记录——PieKBS 最核心的使用场景 |
选型决策框架
| 维度 | 选 RAG | 选 LLM Wiki | 两者结合 |
|---|---|---|---|
| 文档量 | 数万页以上 | 几百页以内 | 大小混合 |
| 更新频率 | 每天/每周更新 | 每月/每季更新 | 混合节奏 |
| 精确引用需求 | 必须（法律/医疗） | 一般性即可 | 敏感场景 |
| 内容结构化程度 | 低（PDF、邮件） | 高（流程、概念） | 混合格式 |
| 用户问题类型 | 开放式检索 | 固定模式问答 | 两类都有 |