几乎每家公司都有一个“活字典”：新人有问题去问他，销售拿不准折扣去问他，客户问到冷门型号还是去问他。他一请假，好几个部门的效率都跟着下降；他一离职，很多经验就跟着走了。
企业知识库要解决的，正是这件事：把散在共享盘、聊天记录和老员工脑子里的经验整理出来，让每个员工都能像问老同事一样随时提问。有了大模型之后，知识库不再只是一堆需要自己翻的文件夹，而是一个能直接给出答案、并告诉你答案出自哪里的助手。
这篇文章按实际项目的顺序，讲清楚企业知识库如何搭建：从选范围、整理资料、选部署方式，到测试、上线和维护。想先看看效果，可以试试我们的知识库问答简化示例。
AI 知识库和传统知识库有什么不同
传统知识库（Wiki、共享盘、文档系统）解决的是“资料放在哪”，员工要自己知道关键词、自己翻、自己读。AI 知识库解决的是“答案是什么”：
| 传统知识库 | AI 知识库问答 | |
|---|---|---|
| 怎么用 | 搜索关键词，打开文件，自己找 | 用平常说话的方式提问 |
| 得到什么 | 一串文件列表 | 一段直接的回答，附带出处 |
| 换个说法 | 关键词不对就搜不到 | 能理解同义的问法 |
| 资料里没有 | 搜不到结果 | 应该明确回答“没有找到” |
技术上，这类系统通常叫“检索增强生成”（RAG）：先从你们的资料里找出最相关的几段，再让大模型只根据这几段组织答案。这也是它和直接问通用聊天工具的根本区别：答案来自你们自己的资料，而不是模型的“记忆”。
第一步：选一个部门、一类问题
最常见的失败，是一开始就想做“全公司的知识库”。资料太多、口径太杂、负责人太多，结果哪个部门都不满意。
更好的做法是从一个部门、一类高频问题开始，例如：
- 人事行政：请假、报销、考勤、入职流程；
- 销售：折扣权限、账期、报价规则、合同常用条款；
- 技术支持：产品参数、常见故障、安装说明；
- 生产：作业指导书、工艺卡、质检标准。
判断标准很简单：哪类问题每天都有人问，而且总是去打断同一个人？那就是第一个知识库最该回答的问题。
第二步：整理资料，这一步最花时间
知识库的质量，八成取决于资料的质量。大模型不会替你判断哪份制度是最新的，也不会替你调和两份互相矛盾的文件。
| 资料情况 | 怎么处理 |
|---|---|
| 同一份文件有多个版本 | 只保留最新版，旧版本移出知识库 |
| 两份文件互相矛盾 | 请负责人定一个准，修改后再放入 |
| 经验只在老员工脑子里 | 用访谈或问答的形式写成文档，哪怕只是一问一答 |
| 模糊的扫描件、照片 | 先做文字识别并人工校对，关键资料最好重新整理 |
| 员工档案、薪资等隐私信息 | 不放入，或设置严格的访问权限 |
一个实用的建议：先收集员工过去一两个月真实问过的问题，再按问题去找资料。这样整理出来的内容，一上线就有人用。
第三步：选择部署方式
部署方式决定了资料放在哪、费用怎么算。常见的有三种：
| 方式 | 适合 | 需要考虑 |
|---|---|---|
| 云端模型 | 资料敏感度一般、想尽快试点 | 按调用量付费；需确认服务商的数据使用条款；国内业务优先选择已完成备案的模型服务 |
| 私有化部署 | 资料高度敏感、对外网有严格限制 | 需要采购服务器或显卡；模型能力与硬件配置相关；需要有人维护 |
| 混合方式 | 大部分资料一般、少量资料敏感 | 一般资料走云端，敏感资料留在本地；需要设计好路由和权限 |
常见的路径是：先用云端模型快速做出试点，确认真的有用，再决定敏感部分是否私有化。这样不会在还没验证价值之前，就先投入一大笔硬件费用。
第四步：搭建问答，守住两条原则
技术实现上，主要是把资料切分成段落、建立索引、接入大模型，并设计好提问和回答的方式。具体选用什么工具和模型，要看资料规模、部署方式和预算。但无论怎么实现，有两条原则不能让步：
- 每个答案都要附出处。标明来自哪份文件的哪一条，员工可以一键核对。有出处，员工才敢信。
- 资料里没有的，就说没有。宁可回答“没有找到相关规定，建议咨询某某部门”，也不能编一个看起来像样的答案。
此外还要考虑权限：不同部门、岗位能看到哪些资料，要在上线前设定好。销售不该问出薪资制度，实习生不该问出客户底价。
第五步：用真实问题测试
上线前，准备一份几十个问题的测试清单，最好来自员工真实问过的问题，并覆盖三类情况：
- 能答的问题：答案对不对？出处准不准？
- 该拒答的问题：资料里没有的，它有没有老实说“没有找到”？
- 容易混淆的问题：相似条款（比如不同城市的住宿标准、不同金额的审批权限），它会不会张冠李戴？
请最常被打断的那位老员工参与测试。他最清楚哪些问题最常见，也最能一眼看出答案哪里不对。
第六步：放到员工身边，并定一个维护人
入口要放在员工已经在用的地方：网页、企业微信或钉钉里的应用都可以，不要让员工为了问一个问题去学一套新系统。
上线之后，知识库最大的风险是慢慢过时。建议：
- 指定一位业务负责人，制度和资料更新时同步更新知识库；
- 每月看一次“没答上来的问题”清单，这是补充资料最好的依据；
- 在离职交接流程里加一步：把岗位经验写成文档，放进知识库。
费用由什么决定
企业知识库的费用差异很大，主要取决于：
- 资料的数量和整理难度；
- 部署方式：云端还是私有化，私有化还要看硬件配置；
- 入口和对接：只做网页，还是接入企业微信、钉钉或现有业务系统；
- 权限要求：是否需要按部门、岗位精细控制；
- 使用人数和提问量，它决定后续的模型调用费用。
建议在报价时把一次性的搭建费用，和后续的模型调用、服务器、维护费用分开列清楚。我们的做法是先免费诊断，再给固定报价。更多细节见企业知识库方案。
常见问题
搭建企业知识库，资料要整理到什么程度才能开始？
不需要全部整理好。先选一个部门、一类问题，把这部分资料的最新版本挑出来，就可以开始试点。其余资料可以在使用过程中逐步补充。
AI 知识库会不会编造答案？
有这种风险，所以要做三件事：只允许它根据你们的资料回答；每个答案附上出处，方便核对；资料里没有的，让它直接说“没有找到”。上线前再用真实问题反复测试。
企业知识库一定要私有化部署吗？
不一定。资料敏感度一般时，用云端模型更快、前期投入更低；资料高度敏感时再考虑私有化，或者采用混合方式，让敏感资料留在本地。
搭建一个企业知识库需要多长时间？
取决于资料的规模和整理难度。范围控制在一个部门、一类问题时，用真实资料做出可以试用的版本，通常只需要几天；之后再根据试用反馈逐步扩大。