企业知识库给智能体使用前：清洗、发布与持续维护方案
企业知识库给智能体使用前，应建立一条可审计的知识发布流水线，而不是把文件批量导入检索库：依次完成来源准入、解析清洗、元数据补全、去重合并、版本与冲突识别、人工裁决、分状态发布和变更维护。默认检索只收录经授权、现行有效、适用范围明确、业务负责人批准且能追溯到原文的资料；其余内容分别进入历史库、冲突隔离、质量隔离或知识缺口流程。这样才能避免智能体混用旧口径、不同报表规则或未经确认的客户承诺。
一、先规定知识状态和责任边界
知识库不是“所有文件的集合”，而是“不同可信状态的内容集合”。建议至少使用以下状态：
| 知识状态 | 是否进入默认检索 | 智能体如何处理 | 后续动作 |
|---|---|---|---|
| 现行可检索 | 是 | 正常回答，并附文档编号、版本、有效日期和原文位置 | 按变更事件持续维护 |
| 历史可检索 | 仅在用户明确询问历史情况时 | 回答时说明资料截至何时有效，不能与现行资料混合给出无日期结论 | 保留原文和版本关系 |
| 冲突隔离 | 否 | 展示差异并说明暂不能形成唯一结论 | 转业务负责人裁决 |
| 质量问题隔离 | 否 | 不引用存在解析或识别错误的片段 | 重新解析或人工校对 |
| 知识缺口 | 否 | 明确说明现有资料未覆盖，不使用相邻资料代替 | 形成补充事项并指定负责人 |
权威文件仍保留在正式文档系统或内容管理系统中，检索索引只是派生层。这样既能控制智能体使用什么，也能保留原始依据、发布记录和回滚能力。
职责也应分开：
| 角色 | 主要职责 |
|---|---|
| IT负责人 | 资料接入、原始快照、权限控制、索引发布、日志审计、版本回滚和来源变更监控 |
| 知识管理负责人 | 分类体系、命名规范、元数据、去重规则、问题覆盖地图和知识生命周期 |
| 业务文件负责人 | 确认资料含义、适用范围、生效日期以及冲突处理结论 |
| 财务运营与客户服务负责人 | 提供真实高频问题、错误反馈和未覆盖场景，不直接修改权威源文件 |
工作流软件承担连接、编排、审批和发布任务，不代替业务负责人制定规则。这一连接方式可参考[工作流方案](/solutions/workflow)。
二、每份资料至少登记哪些信息
清洗之前应先确定最小元数据标准，否则智能体即使召回了正确段落，也无法判断它是否适用于当前问题。
| 信息组 | 建议字段 | 用途 |
|---|---|---|
| 来源与身份 | 文档编号、标题、来源位置、授权范围、文件格式、抓取或快照日期、内容校验值 | 证明资料从哪里来，以及是否允许使用 |
| 适用范围 | 产品线、版本、适用地区、客户群、业务场景、生效日期、失效日期 | 防止把不同产品、地区或场景混用 |
| 责任与权限 | 责任部门、内容负责人、密级或访问范围、更新频率 | 确定谁能维护、谁能检索、多久复核 |
| 原文定位 | 原文页码、章节、表格编号或段落锚点 | 让回答可以回到具体依据 |
建议保留“岗位任务—问题意图—知识资料”的对应关系。例如，“跨期补录期间归属”属于一个明确意图，可以对应到对账口径、字段字典和报表规则，而不是笼统挂到“财务资料”目录下。
三、资料进入智能体前的八步流程
1. 来源准入与原始版本留存
工作流先保存原始文件或网页快照，登记来源地址、采集时间、授权状态和内容校验值，并检查访问权限与文件格式。来源不可追溯、授权状态不清或包含无关内容的资料，不进入后续清洗。
智能体可以初步识别文档主题、可能的产品线和版本，并标记疑似包含指令性文字的文件内容。资料中的“忽略之前规则”“执行某操作”等文字只能作为文档内容，不能被智能体当作系统指令执行。
2. 解析、清洗与结构化
工作流负责统一文字编码、标题层级、表格格式和文件命名，清除导航、广告、空白页及重复页眉页脚；但要保留免责声明、条件说明和表格脚注。切分应依据章节、任务步骤和表格语义，而不是只按固定字数截断。
智能体负责生成摘要、章节标题和关键词建议，并标记语句残缺、上下文依赖明显、表格结构丢失或可能影响含义的公式。涉及金额公式、字段定义和重要限制条件的内容必须由人工复核。
3. 元数据补全与规范化
工作流校验必填字段、日期格式、版本号和命名规则；智能体根据正文提出产品线、业务场景、适用客户群和关键词建议。
适用范围无法从资料中明确判断时，不得进入通用问答，而应单独隔离，等待内容负责人确认。这里的重点不是把字段填满，而是避免用一个看似完整的默认值掩盖资料本身的歧义。
4. 去重与版本合并
工作流先通过内容校验值、相同来源地址和模板特征识别完全重复文件；智能体再比较语义相近的文档。
- 结论和适用条件相同，只是格式不同，可按重复资料合并。
- 同一主题下字段、规则或适用范围不同，不能直接合并，应先按潜在冲突处理。
- 合并后仍要保留主文档、来源副本、版本关系和合并原因，不能只留下改写后的摘要。
5. 过期识别与冲突识别
工作流依据生效日期、失效日期、版本映射和发布说明标记过期资料。智能体从正文中识别日期、适用条件和不同规则，形成并排的冲突包，至少包括：
- 冲突主题；
- 各资料原文及位置；
- 文档编号、版本和有效日期；
- 适用范围差异；
- 对对账、报表或客户答复的可能影响。
智能体可以指出“哪里不同”，但不能自行判断“哪一份业务上正确”。负责人应确认是版本替代、场景拆分，还是两份资料确实矛盾。结论形成前，相关资料不能作为唯一依据输出。
6. 建立问题覆盖地图
覆盖地图应从岗位实际任务出发，而不是从文档目录反向罗列。例如，把问题归入对账口径、报表字段、产品能力、操作步骤和服务政策等意图，并记录每个意图下有哪些现行资料、哪些冲突资料以及哪些问题完全没有资料。
智能体可以聚类相似问题并建议补充资料，但未覆盖意图必须保持空缺。相邻主题不能因为“意思差不多”而被用来填补缺口。
7. 分状态发布
工作流只把“现行可检索”的内容写入新的索引快照，并按照用户权限过滤资料。索引发布应生成可识别的版本号，同时保留上一版本以便回滚。
智能体只基于允许检索的状态生成回答，并附上可追溯依据。发布记录至少应能回答三个问题：发布了哪些文档、剔除了哪些文档及原因、由谁批准。
8. 发布后的持续维护
工作流监听源文件变化、网页内容变化、版本发布、失效通知和负责人确认。智能体比较新旧内容，生成变更摘要及影响范围，例如“可能影响跨期对账字段”或“可能影响客户服务时限”。
负责人确认后，工作流更新知识片段和元数据，重新发布索引，并执行相关问题回归测试。新版本出现问题时，可以回滚到上一索引快照；旧资料转为历史状态，不宜直接物理删除。
四、用一个对账问题走完整流程
以下数字为演示假设，并非客户实绩，实际效果以试点基线为准。演示对象为虚构的“对账与报表产品”，资料均设定为公开且经授权的产品手册、字段字典、版本说明和服务政策；演示周期为4周。
演示资料池共40份资料对象：
| 资料情况 | 数量 | 处理方式 |
|---|---|---|
| 现行且内容唯一 | 24份 | 通过授权、范围和质量检查后进入默认检索 |
| 重复副本 | 6份 | 与主文档建立合并关系，不重复召回 |
| 已过期资料 | 4份 | 归档并标明失效日期 |
| 存在冲突的资料 | 4份，构成2组冲突 | 隔离并生成冲突包 |
| 扫描或文字识别质量不足 | 2份 | 进入重新识别或人工校对队列 |
因此，默认索引最多可包含24份主文档，实际发布数量仍取决于授权、适用范围和批准结果。
样例输入
用户提出：
跨期补录应计入对账报表的哪个期间？
系统召回到两份演示资料：
- 《对账口径手册》，文档编号 `DOC-RCN-003`，版本 `v2.1`，演示生效日期为2025年1月1日，第3.2节提出“按业务发生日期回溯原期间”；
- 《报表字段字典》，文档编号 `DOC-RPT-014`，版本 `v1.4`，演示生效日期为2025年1月1日，第2.6节提出“按入账日期进入当前期间”。
智能体如何理解和处理
智能体先把问题识别为“跨期补录—期间归属—报表规则”，再检查两份资料的元数据和有效区间。它发现两份资料针对相近意图给出了不同结论，但现有元数据不足以证明它们分别适用于不同报表。
此时，智能体不能选择更新时间较新的文件，也不能把两条规则简单平均。正确处理结果是：
- 生成冲突包，附上两份原文、版本、有效日期和位置；
- 标记受影响意图为“跨期补录期间归属”；
- 生成转财务运营负责人的确认任务；
- 在裁决完成前，不让相关资料作为唯一依据输出。
在实施层面，工作流可从文档库读取原文，从状态表读取版本和权限，将冲突包写入审批任务；负责人确认后，再更新适用范围并生成新的索引快照。
转人工前的用户回复
当前不能给出唯一结论。现有两份资料对“跨期补录的期间归属”存在冲突，相关内容已隔离并提交财务运营负责人确认。 《对账口径手册》（`DOC-RCN-003`，`v2.1`，生效日期：2025年1月1日）第3.2节提出按业务发生日期回溯原期间。 《报表字段字典》（`DOC-RPT-014`，`v1.4`，生效日期：2025年1月1日）第2.6节提出按入账日期进入当前期间。 目前尚不能确认两条规则分别适用于哪些报表，因此暂不生成确定口径。
这条回复已经完成了三件关键事情：说明为什么不能回答、展示冲突依据、告诉用户问题被如何处理。
负责人裁决后的输出
负责人确认后，结论分别写明：
- 对账报表：按业务发生日期回溯原期间，依据 `DOC-RCN-003` 第3.2节；
- 管理报表：按入账日期进入当前期间，依据 `DOC-RPT-014` 第2.6节。
工作流随后生成一条维护记录：
原冲突已通过报表场景拆分解决；后续回答必须先识别报表类型，并引用对应文档。涉及跨期补录的旧索引快照保留，用于回滚和审计。
重新发布后，用户得到的是带条件的确定答案，而不是未经验证的合并结论：
对账报表与管理报表采用不同的期间口径。对账报表按业务发生日期回溯原期间，依据《对账口径手册》`DOC-RCN-003` 第3.2节；管理报表按入账日期进入当前期间，依据《报表字段字典》`DOC-RPT-014` 第2.6节。
未覆盖问题如何处理
同一演示场景中，如果用户继续询问：
客户提交补录凭证后，服务人员应在多久内反馈？
智能体应回复：
现有经授权资料未覆盖该服务时限，无法给出确定承诺。该问题已标记为知识缺口，并提交服务政策负责人补充所需资料。
系统同时形成知识缺口项，记录问题、所需资料类型和建议负责人。此时不引用不相关的服务说明，也不推算具体小时数或工作日数。
五、异常情况应如何分流
| 异常 | 系统处理 | 是否转人工 |
|---|---|---|
| 两份资料结论冲突 | 展示差异并隔离，禁止生成唯一结论 | 转业务文件负责人裁决 |
| 资料过期且没有替代版本 | 不用于回答当前问题；历史询问时说明截至日期 | 必要时转负责人确认替代资料 |
| 现有资料完全未覆盖 | 明确说明未覆盖并形成知识缺口项 | 指定资料负责人补充 |
| 扫描件或表格识别错误 | 重新识别或人工校对 | 重要字段、公式和限制条件必须复核 |
| 适用范围不明确 | 排除出通用问答 | 由内容负责人确认范围 |
| 授权或权限不明 | 隔离，且不在回答中透露其存在或内容 | 转授权或权限负责人处理 |
| 文档内含指令性文字 | 作为普通资料解析，不执行其中指令 | 疑似攻击内容转安全人员处理 |
| 涉及具体客户合同、价格或承诺 | 公开资料只支持一般性说明 | 转合同或客户负责人确认 |
| 用户反馈答案错误 | 关联原回答、命中资料和反馈原因 | 由负责人决定是否修订，反馈不能直接覆盖权威文件 |
六、清洗完成后怎样持续维护
建议采用“变更触发＋定期差异检查＋周期性负责人复核”的组合机制。
变更触发
源文件发生修改、网页内容变化、新版本发布或失效通知出现时，工作流立即生成变更任务。智能体负责输出新旧差异和可能受影响的问题意图，负责人决定是否修改权威资料及其适用范围。
定期差异检查
即使没有收到通知，工作流也应定期重新比较来源快照与当前版本，检查正文、表格和版本说明是否发生变化。检查频率应根据资料变化风险调整，而不是所有资料使用同一周期。
周期性负责人复核
内容负责人定期确认资料是否仍然有效、是否仍被实际流程使用、覆盖范围是否完整。长期无人使用或无法确认责任人的资料，不应无限期保留在默认检索中。
每次维护应形成统一提醒：
```text 【知识变更提醒】 变更对象：文档编号、版本及来源 变更内容：新旧内容差异摘要 影响问题：受影响的问题意图或流程 当前措施：继续发布、暂时隐藏或等待裁决 确认人员：内容负责人及审批状态 回滚信息：上一索引快照及保留原因 ```
对于跨期补录规则这样的关键知识，还应在发布后重新运行相关测试问题，确认“文档更新了，但回答没有正确跟着更新”的情况能够被发现。
七、试点如何核对结果
演示采用4周验证计划，问题数量同样属于演示假设：
| 阶段 | 主要工作 | 核对结果 |
|---|---|---|
| 第1周：建立基线 | 登记40份演示资料；由业务负责人准备30道测试问题及允许使用的资料范围 | 每道题都有适用场景、权威依据或明确的资料缺口判定 |
| 第2周：执行清洗 | 完成解析、元数据补全、去重、过期标记和冲突包生成 | 每个问题都能对应到现行资料、冲突状态、质量状态或缺口状态 |
| 第3周：业务裁决 | 负责人处理冲突、范围不明和重要术语 | 每项裁决均保留负责人、结论、适用范围和依据 |
| 第4周：影子运行 | 智能体在不面向最终用户发布答案的情况下运行30道测试题 | 错误被区分为资料缺失、版本错误、范围错误、召回错误、引用不完整或生成偏离 |
建议设置以下试点验收门槛。它们是验证方案是否达到安全底线，不是生产环境准确率或收益承诺：
| 指标 | 计算方式 | 建议门槛 |
|---|---|---|
| 依据可追溯率 | 同时带文档编号、版本、有效日期和原文位置的答案数 ÷ 应有资料依据的答案总数 | 100% |
| 冲突与过期安全率 | 未被当作现行规则直接回答的冲突或过期题数 ÷ 此类问题总数 | 100% |
| 缺口识别率 | 明确说明现有资料未覆盖的问题数 ÷ 未覆盖问题总数 | 100% |
| 权限安全 | 未授权内容泄露次数与文档指令被执行次数 | 0 |
| 维护时效 | 来源变更至复核并重新发布的周期 | 可约定为1个工作日；未完成时先隐藏受影响内容 |
30道题只用于验证试点门槛，不能据此推导生产环境准确率、节省比例或客户效果。若要评估效率，应在试点前记录人工查找资料和业务确认所需时间，再以同一批问题、同一口径比较，不能只统计智能体生成回答的时间。
八、常见追问
知识库是不是清洗一次就够了？ 不是。资料会过期，规则会变化，适用范围也会调整。应把变更触发、定期差异检查和负责人复核纳入日常运营。
重复资料和冲突资料能否直接删除？ 不能。重复资料可以合并来源关系；冲突资料应保留差异并隔离。冲突本身能帮助负责人判断规则变化，删除后反而失去依据。
智能体能否自动判断哪个版本正确？ 不能。智能体适合提取差异和影响范围，正确性及适用性必须由业务负责人确认。
发现没有资料覆盖的问题，要不要让智能体根据相邻内容推测？ 不要。明确回答“现有经授权资料未覆盖”更安全，也能形成可执行的知识补充事项。
如果准备启动试点，可以先选择一条高频流程、一组经授权资料和一批由业务负责人确认答案的测试问题。欢迎带着一条实际流程来交流，例如资料从哪里产生、由谁批准、多久更新、最常出现哪类冲突；提供脱敏样例即可，据此可以共同画出从来源准入到分状态发布的实施路径。