导图社区 结构化写作
这是一篇关于商务写作/结构化写作思维导图,商务邮件、工作总结如何写作?如何确定写作的思路?
提示: 本内容由社区用户上传并分享。平台不对内容的真实性、合法性、知识产权归属及是否侵害第三方权利进行事前审核或保证。本内容可能包含受版权保护的图片、字体或其他第三方素材,使用前请自行确认授权范围。
传统 RAG 遇挑战,三大替代技术谁主沉浮?本思维导图先剖析传统 RAG 固定流水线的本质缺陷,传统 RAG 依靠查询向量化、向量检索、拼接检索文本再送入大模型生成答案,整套流程固化,存在检索成本偏高、文本总结能力有限等短板,面对复杂企业知识库场景时容易出现信息遗漏、检索不准等问题。再深度解读超长上下文、Agentic Retrieval、LLM Wiki 三大技术及其适用边界。超长上下文技术依托大模型不断扩容的记忆容量,直接将完整文档作为输入,省去向量检索环节,适合小规模知识库,但存在 token 成本上涨、长文本中间信息遗忘等局限。Agentic Retrieval 智能体检索将检索升级为推理任务,构建思考、行动、观察的循环,依靠工具链自主规划、分步完成复杂查询,适配企业多步骤复杂检索需求。LLM Wiki 知识导航系统具备页面级语义存储、实体关系构建能力,支持知识动态更新,适合长期沉淀专业知识。最后给出技术选型指南,明确三大新技术并非全面取代 RAG,各自拥有适用场景与局限性,RAG 仍是企业级应用基石,企业可结合知识库规模、查询复杂度、成本预算灵活搭配方案。无论研究大模型应用的算法工程师、学习检索增强技术的研发人员,还是需要选型知识库方案的产品从业者,都可以借助这套分析框架理清 RAG 替代方案的技术逻辑。
这是一份企业知识库 RAG 系统实战方案,涵盖核心思想、基础四阶段、关键模块决策、调优验证与实践任务,并附两个案例。方案把基础 RAG 划分为解析、内容提取、检索、回答四个阶段,再拆解五大板块落地。核心模块决策是重点,依次介绍解析、内容提取、检索与重排序、父页面检索流程、增强与生成模块,覆盖 PDF 文本处理、分块策略、向量库选型、检索召回机制、提示词工程、思维链等关键技术,明确各环节选型、参数、优劣取舍。调优与验证方法依靠配置化调参与提示词构建,通过 100 个公开问题开展评测,量化系统性能,识别语义错误。实践任务设置两个案例,一是 RAG-Challenge 阅读笔记,用于解析指标与调参;二是打造中国知网 RAG 系统,对文档切分、解析、返回格式进行针对性改造。整套方案从理论阶段、模块选型、测试验证到落地案例完整串联,形成可落地的企业知识库 RAG 建设流程,清晰呈现 RAG 项目从思路到实操的全链路工程要点,覆盖技术选型、参数设置、效果评估等核心环节。无论 AI 研发工程师、企业数字化从业者,还是大模型项目学习者,都可以从中获取企业级 RAG 知识库搭建的工程化思路与实操经验。
如何提高 RAG 召回效率和精准度?本篇思维导图从知识库处理,到查询优化,到混合检索,再到精排召回,每一步都可以在不增加 LLM 负担的前提下提高召回质量。在知识库处理阶段,可通过知识库问题生成与检索向量化、对话知识沉淀、知识库质量校验、版本管理与性能对比,提前清洗、优化知识库内容,减少脏数据对检索的干扰,夯实底层数据基础。查询优化环节,采用多 Query 策略,借助大模型对原始查询进行改写、扩展,丰富检索维度,挖掘用户真实意图。检索层面使用混合检索策略,融合 BM25 关键词检索与向量检索,兼顾语义匹配与关键词命中,弥补单一检索方式的缺陷。检索完成后接入重排模型,对初步召回的候选文档做二次打分筛选,过滤无关片段,进一步提升结果精准度。导图还拓展了 GraphRAG 与 Agentic RAG 进阶方案,GraphRAG 依托知识图谱挖掘文本实体关联,适合复杂全局推理;Agentic RAG 将检索交给智能体,自主完成多轮检索规划。整套优化链路将工作量前置在检索环节,不额外增加大模型输入 token,减轻 LLM 处理压力。
社区模板帮助中心,点此进入>>
传统 RAG 遇挑战,三大替代技术谁主沉浮?本思维导图先剖析传统 RAG 固定流水线的本质缺陷,传统 RAG 依靠查询向量化、向量检索、拼接检索文本再送入大模型生成答案,整套流程固化,存在检索成本偏高、文本总结能力有限等短板,面对复杂企业知识库场景时容易出现信息遗漏、检索不准等问题。再深度解读超长上下文、Agentic Retrieval、LLM Wiki 三大技术及其适用边界。超长上下文技术依托大模型不断扩容的记忆容量,直接将完整文档作为输入,省去向量检索环节,适合小规模知识库,但存在 token 成本上涨、长文本中间信息遗忘等局限。Agentic Retrieval 智能体检索将检索升级为推理任务,构建思考、行动、观察的循环,依靠工具链自主规划、分步完成复杂查询,适配企业多步骤复杂检索需求。LLM Wiki 知识导航系统具备页面级语义存储、实体关系构建能力,支持知识动态更新,适合长期沉淀专业知识。最后给出技术选型指南,明确三大新技术并非全面取代 RAG,各自拥有适用场景与局限性,RAG 仍是企业级应用基石,企业可结合知识库规模、查询复杂度、成本预算灵活搭配方案。无论研究大模型应用的算法工程师、学习检索增强技术的研发人员,还是需要选型知识库方案的产品从业者,都可以借助这套分析框架理清 RAG 替代方案的技术逻辑。
这是一份企业知识库 RAG 系统实战方案,涵盖核心思想、基础四阶段、关键模块决策、调优验证与实践任务,并附两个案例。方案把基础 RAG 划分为解析、内容提取、检索、回答四个阶段,再拆解五大板块落地。核心模块决策是重点,依次介绍解析、内容提取、检索与重排序、父页面检索流程、增强与生成模块,覆盖 PDF 文本处理、分块策略、向量库选型、检索召回机制、提示词工程、思维链等关键技术,明确各环节选型、参数、优劣取舍。调优与验证方法依靠配置化调参与提示词构建,通过 100 个公开问题开展评测,量化系统性能,识别语义错误。实践任务设置两个案例,一是 RAG-Challenge 阅读笔记,用于解析指标与调参;二是打造中国知网 RAG 系统,对文档切分、解析、返回格式进行针对性改造。整套方案从理论阶段、模块选型、测试验证到落地案例完整串联,形成可落地的企业知识库 RAG 建设流程,清晰呈现 RAG 项目从思路到实操的全链路工程要点,覆盖技术选型、参数设置、效果评估等核心环节。无论 AI 研发工程师、企业数字化从业者,还是大模型项目学习者,都可以从中获取企业级 RAG 知识库搭建的工程化思路与实操经验。
如何提高 RAG 召回效率和精准度?本篇思维导图从知识库处理,到查询优化,到混合检索,再到精排召回,每一步都可以在不增加 LLM 负担的前提下提高召回质量。在知识库处理阶段,可通过知识库问题生成与检索向量化、对话知识沉淀、知识库质量校验、版本管理与性能对比,提前清洗、优化知识库内容,减少脏数据对检索的干扰,夯实底层数据基础。查询优化环节,采用多 Query 策略,借助大模型对原始查询进行改写、扩展,丰富检索维度,挖掘用户真实意图。检索层面使用混合检索策略,融合 BM25 关键词检索与向量检索,兼顾语义匹配与关键词命中,弥补单一检索方式的缺陷。检索完成后接入重排模型,对初步召回的候选文档做二次打分筛选,过滤无关片段,进一步提升结果精准度。导图还拓展了 GraphRAG 与 Agentic RAG 进阶方案,GraphRAG 依托知识图谱挖掘文本实体关联,适合复杂全局推理;Agentic RAG 将检索交给智能体,自主完成多轮检索规划。整套优化链路将工作量前置在检索环节,不额外增加大模型输入 token,减轻 LLM 处理压力。
商务写作/ 结构化写作
确定写作内容和写作重点
商务写作都有目的、需要传递信息 写作前需要明确目的和侧重点
步骤1、分析目标对象
分析的层次
立场是否一致
是否有约束
客观环境约束
外部资源约束
分析的方法
提问
侧面观察
搜集资料进行分析
步骤2、确定写作侧重点
立场一致
不存在约束
罗列事实:提供对方需要知道的事实
存在约束
解决问题:为受约束的问题,提供解决方案
立场不一致
不存在约束
说服
强调利益
说服对方转换立场
存在约束
先说服
再解决问题
构思写作框架
自下而上搭建框架
适用于没有明确框架 从零散的信息归纳出框架
1、搜集素材/头脑风暴
事实
观点
故事
新闻
头脑风暴,罗列想法
2、提炼结构
罗列信息
信息归类,归纳共性
排列顺序,提炼写作结构
验证结构
常用结构类型
简单型
要素类
二维矩阵类
流程类
3、提炼主题
提炼小主题
可适当进行信息补充 不完整的信息需要进行补充
提炼大主题
自上而下搭建框架
正式写作
写作步骤
1、定主题
主题要鲜明
预期
符合读者预期
与文章内容息息相关
铺垫要适度
不可过于冗长,以免偏离重心
主题要有思想
2、完善提纲
为各个主题、子主题补充支持信息
阐述论点、论据
3、承上启下
结构与结构之间、主题与主题之间的过渡
4、结尾升华
阐述建议
阐述下一步计划
展望未来
检查修改文章
主题
检查主题是否明确
侧重点是否偏离主题
提纲
结构是否合理
整体思路、脉络是否清晰
内容
内容是否详实
支持论据是否具体
表述
语言表述是否得体
需要正式化还是口语化
语法
标点符号是否有错误
语句是否通畅
工作总结
意义
向老板展示自己的工作内容、成绩
让老板了解自己
了解自己的工作方法,提升工作效率
注意点
公司性质
是否有统一格式
是否符合公司性质
公司发展阶段
小公司
团队沟通计划多,侧重:我做了什么?如何提高?
大公司
侧重工作指标,个人绩效
岗位
销售:侧重创造的价值、业绩
技术岗:侧重研发和创新能力,项目完成度
三个维度
1、工作业绩
未完成的任务放在中间写
参考KPI考核指标
KPI:关键绩效指标 不同岗位、不同公司有不同的KPI
无KPI
对收入利润的贡献
对客户的贡献
管理、流程的贡献
学习成长的贡献
我为其他同事、下属的成长做了什么?
2、个人成长
参考岗位所需能力、职位能力模型
如果觉得时机到了,想要晋升,找高一级的职位能力模型, 列出自己哪些事迹符合这些能力
客观分析进步
分析不足,如何改进
他人评价、个人真实案例
完成了哪些项目?作出了哪些突破?
3、工作计划
必须结合公司目标、战略规划
PDCA模型
Plan:计划
最终目标是什么?打算完成什么任务?
Do:执行
如何拆分大目标,分步骤执行
Check:检查
如何考核目标完成情况
Action:修正
目标没有按时完成、或偏离,如何进行修正
工作总结就是先叙述工作业绩,用数据量化工作业绩; 然后总结个人收获成长,及经验教训; 最后结合公司规划,定下明年业绩目标
商务邮件
1、写标题
标题栏写明主题
需要写明与接受者的关系
2、开头
写明主题
概括出接受者需要做的行动
3、中间内容
说明情况
避免冗长的句子
重点内容加粗
某一部分内容过多,使用附件或链接
4、结尾
提醒行动内容
提醒截止时间
感谢ta的付出
5、检查邮件
who:针对的对象是谁
where:相关地点在哪
what:需要知道的内容是什么?
when:截止日期
why:为何要做?紧迫性如何?
How:需要执行什么行动?
5W1H