先定义知识库要解决的工作
“我们要做一个AI知识库”仍然太宽。是为了统一销售话术、加快内容生产、支持客服问答、培训新人，还是让品牌诊断更准确？不同场景需要的资料粒度、更新速度、权限和测试方法完全不同。
建议先选择一个高频问题集，明确谁使用、何时使用、正确答案是什么，再决定技术平台。
资料治理是最容易被低估的一步
企业资料通常散落在官网、网盘、聊天记录、个人电脑和旧PPT中，同一事实可能存在多个版本。直接导入会把冲突一起带给AI。
治理至少包括去重、时间核对、来源标注、敏感信息识别、失效内容清理和缺口登记。重要数字、资质、价格、承诺和案例必须能追溯到责任人或原始文件。
设计人和AI都能理解的知识结构
可以从品牌、公司、产品、客户、案例、渠道、流程和问答等对象开始，再为每条内容增加主题、受众、来源、更新时间、权限和状态。长文档应拆成有语义边界的条目，同时保留原文链接。
结构不必追求复杂，重要的是命名一致、关系清楚、能够维护。
为什么来源、版本和权限必须一起做
没有来源，错误很难纠正；没有版本，员工不知道该相信哪一份；没有权限，内部信息可能进入不该出现的回答。知识库应明确公开、内部、受限和敏感等级，并规定谁能新增、审核、发布和废止。
涉及客户数据、合同、个人信息和商业秘密时，还应结合企业安全与合规要求选择部署和调用方式。
如何测试AI知识库是否真的可用
不要只用几道简单问题演示。应建立来自真实工作的测试集，包括直接问法、口语问法、多条件问题、无答案问题、冲突问题和权限问题。记录答案是否准确、是否引用正确来源、是否承认不知道，以及响应时间是否可接受。
测试结果要回到资料和结构中修正，而不是只调整提示词。
从最小知识库逐步扩展
第一阶段可以只覆盖一个产品、一套品牌资料或一个部门的高频问答。稳定后再连接内容生产、客服、销售、搜索或Agent。每次扩展都同步更新责任人、审核规则和测试集。
可持续的知识库不是一次性项目，而是企业知识管理与AI应用的共同基础。
麦一联盟可根据企业现有资料、团队与预算，提供诊断、策略、内容、设计、传播及AI工具的一体化支持。