问题一：源文档质量差，垃圾进垃圾出。 知识库里躺着扫描件 OCR 错字、多版本冲突、过期制度、页眉页脚混杂的 PDF。检索系统召回的就是这些噪声，模型只能基于错误信息生成答案。排查方法：随机抽取 20 份高频文档，人工检查解析准确率和内容时效性。如果源数据不过关，先做文档治理，再谈 AI。
问题二：分块策略一刀切。 所有文档按固定字数切分，导致一条完整制度被切成三段，或一个表格被拦腰截断。用户问“年假天数”，检索到的只是半句话。正确做法是按文档类型分块：制度按条款，手册按章节，会议纪要按议题，表格保留结构。分块不合理，检索再强也拼不出完整答案。
问题三：检索策略单一，只做向量召回。 向量检索擅长语义相似，但对专有名词、编号、精确条款不敏感。用户问“ISO 27001 第 8.2 条”，向量检索可能返回一堆泛泛的安全文档。需要混合检索：向量召回+关键词召回，再加重排序模型。单一检索策略是“答非所问”的常见技术原因。
问题四：缺少元数据，检索无法过滤。 文档没有部门、版本、生效日期、权限标签，检索时无法按“最新版”“本部门”“有权限”等条件过滤。用户问“最新差旅标准”，系统可能召回三年前的旧规。元数据是检索的导航仪，没有它，模型只能在信息海洋里盲游。
问题五：没有评测集，凭感觉调优。 “我觉得回答得还行”不是评测。没有标准问题集、标准答案和命中率指标，就无法判断问题出在检索还是生成，也无法验证优化是否有效。建议先建 50—100 条评测集，覆盖高频问题和边界情况，定期跑分。没有评测，调优就是碰运气。
问题六：场景太宽，追求“万能问答”。 一上来就让 AI 回答所有问题，结果每个领域都浅尝辄止。用户问 HR 政策，系统用产品文档回答；问技术问题，系统用营销话术应付。正确做法是选一个高频、边界清晰的场景，做到 90 分，再横向扩展。场景越聚焦，知识库越精准，回答越靠谱。
排查“答非所问”，建议按这个顺序：先看源文档质量，再看分块和元数据，然后检查检索策略和重排，最后看评测和场景设计。模型是最后一步，不是第一步。把知识库的地基打牢，AI 问答才能从“答非所问”变成“答有所据”。