让大模型“看得懂”的写作准则

推荐语

想让AI更懂你的文档？掌握这些写作准则，让大模型真正“读懂”你的知识库！

核心内容：
1. RAG技术原理：文档如何成为大模型的“参考书”
2. 规范写作指南：语义清晰、结构合理、表格与图片使用技巧
3. 常见错误案例与优化方案：避免知识污染与干扰信息

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

一、原理篇：文档是大模型生成答案的“参考书”

在AI问答系统中，RAG（Retrieval-Augmented Generation，检索增强生成）是最常用的技术之一。它的工作原理如下：

✅ RAG工作流程简述：

1. Retrieval（检索）：根据用户提问，从知识库中找出相关段落。

2. Augmentation（增强）：将这些段落作为“上下文”输入给大模型。

3. Generation（生成）：大模型基于这些上下文，生成回答。

? 关键点：

• 模型不是“查找答案”，而是“读了上下文后，用自己的理解去作答”。

• 因此，文档结构与表达方式将直接影响生成结果。

二、规范篇：写给大模型看的文档该怎么写？

✍️ 保持语义清晰

• 避免“人类读得懂、模型却理解不了”的模糊表述。

• 句式完整、主谓宾明确、不要省略核心信息。

? 保持结构合理

• 使用统一标题层级（如 # 一级标题，## 二级标题）。

• 保持段落自洽，信息尽量集中在同一段中。

• 避免将关键信息拆成多个段落，大模型可能只“看到”部分内容。

表格与图片

• 表格应结构清晰，避免嵌套、合并单元格。

• 图片仅当必要时使用，并先写文字说明，再插入图片。

• 图片会被转化为链接，模型本身并不会“识图”。

• 
  

• 一问一答结构（适用于FAQ）

• 每条FAQ尽量独立，便于系统切片和定位。

• 保证每个问答对可脱离上下文也能读懂。

三、反例篇：这些错误，千万别犯！

以下是我们在实际知识库运维中发现的4类常见问题类型，以及它们可能带来的后果：

以下是一些典型的负向案例：

❌ 案例1：先图后文，顺序错误

# 如何在 Teams 中添加会议背景

![image001.jpg]

用户可自定义会议背景。

• 问题： 模型先读到图片链接，语义缺失。

• 建议： 先提供文字说明，再补图：

用户可自定义会议背景，点击“更多操作” → “应用背景效果”，然后上传图片。![image001.jpg]

❌ 案例2：语义重复，知识污染

Outlook自动回复可以设置为外出状态。

您可以在假期时设置自动回复。

这是Outlook的重要功能。

• 问题： 多段表述，检索时一起出现，模型无法判断主句。

• 建议： 精炼为一条标准问答：

您可以通过“文件 → 自动答复”设置Outlook自动回复，适用于假期场景。

❌ 案例3：页眉、图标干扰内容

【HR内参】

员工离职后账号多久注销？

答：5个工作日内自动注销。


• 问题： 多余的标记会被解析为图片或非结构内容。

• 建议： 保持简洁纯文本风格：

# 员工离职后账号多久注销？

答：员工离职后，账号将在5个工作日内自动注销。

❌ 案例4：语句不完整，模型难以参考

# 如何申请AD账号权限

填写申请表并提交至IT

• 问题： 主语缺失，动作含糊。

• 建议： 句子结构完整，动作为主：

员工需填写《AD权限申请表》，提交至IT服务台审批。

四、总结篇：三句话记住规范核心

✅ 文档是写给模型“读”的，不是给人“看”的。

✅ 结构清晰、语义完整、格式统一，是知识可用的基本前提。

✅ “写得好”，才能“答得准”；“看得懂”，才有“用得上”。