企业 AI 知识库搭建，最常见的做法是先把网盘里的资料全部上传。
文件很多，搜索也能搜到，但智能体回答还是不准。问题通常不在模型，而在资料没有分层。
第一类：高频问题
先整理用户和员工最常问的问题，以及已经被确认过的答案。
来源可以是客服记录、销售对话、工单、群里反复问的事。先把原话留下，再写标准答案。
这类资料决定知识库第一版有没有用。产品手册目录很完整，但不一定回答用户明天要问的问题。
第二类：稳定规则
价格、退换、权限、流程、时效，这些规则要写清生效时间、适用范围和例外。
没有生效时间，智能体会把旧规则当成新规则；没有例外，遇到特殊情况只会给标准答案。
第三类：可引用事实
产品参数、资质、服务范围、案例边界，这些是智能体回答时最需要的依据。
每条事实最好能指向来源和更新时间。来源不清楚的内容，先不要放进去。
先做一个小范围试用
不要等资料整理完才试用。先选一个高频问题集，放进知识库，用真实问题问一轮。
答不上来的问题，分成三类：资料没有、资料过期、资料有但检索不到。三类问题的修法不一样，混在一起会越改越乱。
试用期间保留人工答案，和智能体答案并排看。差异最大的地方，就是下一轮整理的重点。
一个常见误区
把知识库当成一次性项目。上线后没人更新，答案会慢慢过期；更新机制要在第一版就定，不要等出问题再补。
资料整理不是把话说漂亮，而是把事实、规则和例外写清楚。越接近业务原话，智能体越容易用对。
哪些资料先不要放
过期制度、个人笔记、未确认的报价、情绪化的聊天记录、多个版本来回覆盖的文件。
先不放，比放进去再清理便宜。知识库不是垃圾桶，资料越多，检索越容易出错。
怎么维护
每份资料有负责人、更新时间、适用范围。每月看一次没解决的问题，变更写进日志。
没有人维护的知识库，三个月后就会开始失真。
边界
业务问题很少、规则还在频繁变化、没有内容负责人，这几种情况下先做文档整理，不要急着上 RAG。
知识库的价值不是存了多少文件，而是能不能在具体问题里被找到、被相信、被更新。第一版宁可窄一点，也要准一点。这件事急不得，也省不得，只能一点点来。
如果你正在搭知识库，可以看我们的企业 AI 搭建，先从高频问题和稳定规则开始。