摘要
1) 一句话总结 本文指出了AI知识库回答不准的根源在于原始数据缺乏清洗，并提供了一套利用GPT将长文本自动转化为问答对（Q&A）结构化数据集的标准操作流程。
2) 核心要点
- 回答不准的根源：直接灌入未经清洗的碎片化、口语化文本会导致向量检索匹配不准，进而使大模型回答质量下降。
- 数据结构化方向：提升准确率的有效方法是建立结构化数据集，主要分为树形结构（适合复杂层级知识）和问答对结构（Q&A）。
- 问答对数据格式：推荐将文本转化为JSON格式的问答对（包含
"content"作为问题，"summary"作为答案），以提高检索与回答的精准度。 - 自动化处理工具：推荐使用 OpenAI Playground（选择16K模型，温度设为0.8，最大输出拉满）来替代人工整理。
- 操作步骤一（生成问题）：通过设定 System Prompt，让GPT根据输入的原文本，提取出简短、宏观且有价值的问题。
- 操作步骤二（生成问答对）：在另一个独立窗口中，将上一步生成的问题与原文本结合，通过 Prompt 让GPT按指定的JSON格式拼合成完整的问答对。
- 长文本处理方式：通过开启两个独立窗口，以人工分批复制粘贴的方式循环处理超出单次上下文限制的大型文档。
3) 风险/不足
- 数据质量上限：该自动化方法适用于常规私人知识库，若需要用于高质量微调的超高标准数据集，仍必须依赖人工逐一手工处理。
- 上下文长度限制：受限于大模型的上下文窗口大小，大型知识库无法一次性输入，需要人工不断进行分批次的复制粘贴操作。
正文
随着LLM的蓬勃发展，企业、个人知识库越来越火。
但是随之而来的，也是两个问题：
一、搭建成本高。二：回答的内容结果不准。
第一个问题，其实之前写过一篇文章，教大家如何使用Dify极其简单的 搭建自己私人知识库。
【有手就行】2分钟0代码，教你用Dify搭建专属AI知识库
但是随着而来的，就是很多人跟我反馈的：答的乱七八糟。
其实知识库的原理很简单。比如典型的Langchain-ChatGLM的架构图 ，加载文件 → 读取文本 → 文本分割 → 文本向量化 → 问句向量化 → 在文本向量中匹配出与问句向量最相似的top k个 → 匹配出的文本作为上下文和问题一起添加到prompt中 → 提交给LLM生成回答。
用大白话说，就是根据你的问题，去根据的你问题，去被切成N多块的文本块里，挨个搜索，找到一个或几个最相关的拿过来给大模型，让大模型根据这些搜出来的文本块作答。
而答得不准的原因，当然就是搜的不准。
搜的不准的原因，就是数据集太脏了。
我见过太多直接就把小说、把几十篇乱七八糟的文章往里面灌的，也太高看现在LLM的能力了，那里面的数据都乱成一团，一堆乱七八糟的口语化的甚至是无效信息，能准吗？
所以就要做数据清洗，或者说， 做一个结构化的数据集。
结构化的数据现在一般是两种，一种是树形结构，一种是问答对结构。
树形结构不多说了，适合超大型书或者一些超强的层级知识，这块推荐去看腾讯的 teng大佬的文章： 如何用 ChatGPT 搭建代码知识库，提升开发效率，写的很详细了。
而另一种，就是我们常见的问答对格式，这里放一个GLM2的官方示例数据集你们就明白了。
我再写个示例
{ “content” : “介绍一下卡兹克” , “summary” : “卡兹克其实是一个大智障，喜欢打游戏，任天堂死忠粉” }
这个就叫问答对，把碎片化的大段的文章，转成一个一个的问答对数据集。
我到时候问卡兹克是谁，喜欢啥，大模型就不会瞎JB匹配，而是直接把这个问答对匹配出来，根据后面的答案进行回答，这样准确性就会高非常多。
但是又有很多人犯难了，这特么一个一个整理，那特么不得累死我？
那种微调质量的超高数据集，确实得一个一个手工处理。
但是你这就做个私人知识库，没必要，这里我教大家一个賊无脑的方法。
直接拿GPT跑。
第一步，先让GPT对你的文档生成适合问答对的问题，第二步，让GPT根据生成出的问题和原内容，再按格式规范拼合成问答对。
我甚至都把Prompt写好了，直接拿去改吧改吧用就行。
这里直接用OpenAI的后台Playground跑了，因为有16K，而且可以锁system，方便。
https://platform.openai.com/playground
右边选16K模型，温度拉到0.8，最大输出直接拉满。
第一步，先生成问题。
system里面写我给的prompt。
#01 你是一个问答对数据集处理专家。
#02 你的任务是根据我给出的内容，生成适合作为问答对数据集的问题。
#03 问题要尽量短，不要太长。
#04 一句话中只能有一个问题。
#05 生成的问题必须宏观 、价值，不要生成特别细节的问题。
#06 生成问题示例：
"""
权益型基金的特点有哪些方面？
介绍一下卡兹克。
#07 以下是我给出的内容：
{{此处替换成你的内容}}
在下面替换你的内容，Uesr那就是用户说的话，我就随便写了个生成8条问题。你想要10条、20条、40条都行。
然后我随便找了我以前写的文章，扔了进去，8个问题就出来了。
接下来这个窗口别动，也别关，我们新起一个一模一样的窗口。
第二步，根据问题和内容，生成问答对。
右边同样的参数，再把这个Prompt扔到System里。
#02 你的任务是根据我的问题和我给出的内容，生成对应的问答对。
#03 答案要全面，多使用我的信息，内容要更丰富。
#04 你必须根据我的问答对示例格式来生成：
{“content”: “基金分类有哪些”, “summary”: “根据不同标准，可以将证券投资基金划分为不同的种类：（1）根据基金单位是否可增加或赎回，可分为开放式基金和封闭式基金。开放式基金不上市交易（这要看情况），通过银行、券商、基金公司申购和赎回，基金规模不固定；封闭式基金有固定的存续期，一般在证券交易场所上市交易，投资者通过二级市场买卖基金单位。（2）根据组织形态的不同，可分为公司型基金和契约型基金。基金通过发行基金股份成立投资基金公司的形式设立，通常称为公司型基金；由基金管理人、基金托管人和投资人三方通过基金契约设立，通常称为契约型基金。我国的证券投资基金均为契约型基金。（3）根据投资风险与收益的不同，可分为成长型、收入型和平衡型基金。（4）根据投资对象的不同，可分为股票基金、债券基金、货币基金和混合型基金四大类。”}
{“content”: “基金是什么”, “summary”: “基金，英文是fund，广义是指为了某种目的而设立的具有一定数量的资金。主要包括公积金、信托投资基金、保险基金、退休基金，各种基金会的基金。从会计角度透析，基金是一个狭义的概念，意指具有特定目的和用途的资金。我们提到的基金主要是指证券投资基金。”}
#05 我的问题如下：
{{此处替换成你上一步生成的问题}}
#06 我的内容如下：
把上一步的生成的问题，粘贴到#05那块，再把原本的文章，粘贴到#06那块。
然后Uesr随便写一句“拼成问答对”，直接开跑。
一分钟，你的问答对就生成完了，直接扔到txt里，灌给Dify或者Langchain-ChatGLM啥的，都行~
你的知识库如果大的话，一次性肯定没法全扔进去，所以我们才需要开两个窗口，不断复制粘贴。
你也不用自己去费劲巴拉的自己写数据集了，你就是一个无情的复制粘贴机器。
希望用GPT处理数据集的方式，能给大家抛砖引玉。
让人人都提升效率，去做更有意思的事。
⭐吧， 感恩。