项目背景

这门课用一个贯穿始终的业务场景来串联所有技术点：给公司新员工搭一个智能答疑机器人。

问题的演进

场景是这样的：公司新员工持续增加，老员工被拉去反复答同类问题，时间成本很高。

第一阶段：整理文档库
公司先把规章制度、写作规范、工具指南整理成文档库，让新员工自查。结果发现文档太多，新员工根本消化不了，工作还是频繁出错。

第二阶段：配置 FAQ 问答系统
于是搭了一个传统问答系统，人工配置高频问答对，员工提问时按规则匹配。问题是：员工换个说法就匹配不上，而且维护问答对本身也是个体力活，投入产出比很低。

第三阶段：大模型智能问答
这就是这门课要解决的问题——用大模型来理解自然语言，结合公司内部知识库直接回答问题，不再需要人工配置问答对。

为什么传统方案不够用

传统 FAQ 系统的核心限制在于基于固定规则和相似度匹配：

• 问法一变，匹配就失败
• 知识更新需要人工维护问答对
• 无法处理多步骤、跨文档的复杂问题

大模型的优势恰好补了这些短板：理解语义而非匹配关键词，基于知识库检索而非预设答案，天然支持多轮对话。

个人总结

• 这个场景设计得很贴近实际工作，企业内部知识库 + 问答机器人是当下大模型落地最高频的方向之一
• 传统 FAQ 系统的最大问题不是技术，是维护成本——问答对得有人持续更新，否则很快就过时
• 大模型方案把"配置问答对"变成了"上传文档"，维护成本大幅降低，这才是核心价值
• 整个课程从这个场景出发，一步步引出 RAG、Agent、评测、部署，逻辑很连贯