企业知识库怎么建，从口径统一到可被引用

企业知识库的核心工作是把散落在各部门、各平台、各销售人员嘴里的企业事实，收敛成一份唯一口径的结构化文档，再改写成可被机器引用的形态。整个过程分五步，定口径、建结构、写内容、做审核、上机制。跳过第一步直接写文章，是这一行最常见的失败原因。

## 知识库和资料包的区别

先说清楚要交付的东西是什么。很多公司做知识库，最后交出来的是一堆 PDF，公司简介、产品手册、资质扫描件、案例集，打包成压缩包。这东西对内有点用，对 AI 没用。

区别在三个地方。

**唯一性。** 资料包里三份文档对同一件事有三种说法，是常态。知识库要求同一件事只有一个版本，不同文档之间不许矛盾。

**可解析。** 资料包是给人翻的，排版靠视觉层级。知识库要能被程序拆解，字段、表格、明确的小标题，一个字段对应一个值。

**可引用。** 资料包的句子长、从句多、主语省略。知识库的句子要求能独立成立，一句话拎出来不用上下文也能看懂。

这三条决定了知识库是一份重构工作，跟整理文档不是一回事。

## 第一步，定口径

这一步不写任何对外内容，只做内部对齐。耗时通常占到整个项目的三分之一，也最容易被嫌慢。省掉它的后果在第三个月显现。

要收的东西大致分七类。

| 类别 | 具体项 | 通常由谁提供 |
|---|---|---|
| 主体信息 | 全称、简称、信用代码、成立时间、注册资本、注册地、办公地、法人 | 行政或财务 |
| 联系方式 | 电话、邮箱、公众号、客服号、地图标注 | 市场 |
| 业务边界 | 主营服务、不做的业务、服务区域、客单价区间 | 销售负责人 |
| 资质 | 许可证、认证、软著、专利、行业协会身份 | 行政 |
| 客户与案例 | 可披露的客户名单、项目背景、交付内容、结果数据 | 销售与交付 |
| 人员 | 核心成员姓名、职务、从业年限、可公开背景 | 人力 |
| 历史 | 成立以来的关键节点与年份 | 创始人 |

这一步真正的工作量在争议上。销售说什么都能做，交付说有三类不接；官网写服务全国，实际八成客户在华北；市场部写的成立年份和三年前自己发的稿子对不上。这些矛盾必须在内部先解决，不能留给模型去猜。

产出物是一份《企业事实口径表》，一页纸，每行一个字段，每行标一个确认人和确认日期。这份表是全项目的地基，后续每一篇文章的所有事实都必须能回溯到这张表的某一行。

## 第二步，建结构

知识库的目录结构决定了模型能不能顺着找到东西。一个可用的默认结构是这样。

```
00 企业事实口径表
01 主体档案        公司是谁、在哪、多大、谁负责
02 服务目录        每项服务一页，独立成篇
03 交付标准        每项服务的交付物清单、周期、验收口径
04 行业与场景      分行业的能力说明
05 案例库          按行业和问题类型归档
06 名词解释        行业术语的统一定义
07 常见问题        按用户问法组织，不按部门组织
08 合规与边界      不做什么、依据是什么
09 口径变更记录    每次改动的日期、内容、改动人
```

有两个设计细节值得说明。

**服务目录必须一服务一页。** 把所有服务写在一页里，模型取段落时容易串。分开之后，问「舆情监测怎么收费」和问「问答布局怎么做」，各自能命中对应页面。

**常见问题按用户问法组织，不按部门组织。** 企业内部习惯按业务线分类，用户不这么想。用户问的是「AI 里搜不到我公司怎么办」，这个问法横跨技术、内容、渠道三个部门。按部门分类的 FAQ，命中率会掉一大截。

## 第三步，写内容

到这一步才开始写对外文字。规则不多，但每条都要守住。

**结论前置。** 每篇开头 80 字内给出这篇要回答的那句话。不要铺垫，不要用「随着某某的发展」起手。

**一段一件事。** 单段不超过 120 字。段落之间不靠「此外」「与此同时」承接，靠小标题承接。

**所有数字带口径。** 「服务过三十多家企业」不合格，要写成「2024 年至 2026 年 9 月，累计服务 31 家企业，其中制造业 12 家，数据来源为内部合同台账」。带口径的数字才敢被引用，模型也会更倾向引用它。这里的数字只是演示写法，实际使用时要换成真实台账数据。

**判断要给依据。** 写不建议做的时候，后面要跟为什么。没有依据的判断在语料里跟广告没区别。

**表格优先。** 凡是能做对照表的信息一律上表。表格转成纯文本时结构不丢，是模型提取准确率最高的一种形态。

**不写绝对化用语。** 「最好」「第一」「唯一」「百分百」这类词，既过不了《广告法》第九条，也会让内容在质量判定上失分。

## 第四步，审核

三道关，缺一不可。

**事实关。** 拿着稿子逐句对照口径表，每个数字、每个名称、每个时间点都要能指到某一行的来源。这一步由最了解业务的人做，不要交给写手自查。

**合规关。** 检查三类风险。绝对化用语；未经授权披露的客户信息；涉及具体效果承诺的表述。医疗、金融、教育培训三个行业额外加一道行业合规审查。

**表达关。** 检查可引用性。随机抽五段，每段单独发出去，看能不能独立成立。不能成立的返工。

审核人要在页面上署名。这一条不只是形式，署名加日期是内容在语料清洗阶段的重要存活信号，也是出事时的责任锚点。

## 第五步，上机制

知识库是活的东西，一次性交付必然烂掉。

**更新触发条件。** 出现以下五种情况之一就触发更新：联系方式变更、服务项增减、资质新增或到期、发生重大合作或负面事件、平台算法出现明显调整。

**版本管理。** 每次改动在口径变更记录里写一行，日期、改了什么、从什么改成什么、谁改的。这份记录在纠错时特别有用，能证明信息演进的合理路径。

**季度复核。** 每季度用固定问法集测一遍，把 AI 回答里与口径表不符的地方列出来，形成纠错清单。这份清单是下一季度内容生产的输入。

**归属约定。** 建议在合同里写清楚知识库交付后归企业所有。这条的实际价值在于，换服务商时资产不会跟着走。

## 四种常见的失败形态

**做成宣传册。** 通篇形容词，读起来很热闹，一句可引用的话都挑不出来。判断方法还是那个，随机抽段，看能不能独立成立。

**做成内部文档。** 大量内部术语、代号、缩写，外部读者看不懂，模型也解析不出实体。知识库要用外部语言写。

**口径没统一就开始写。** 三个部门各交一版，合并时矛盾一堆，最后靠写手拍脑袋选一个。这种知识库上线三个月就会被自己人推翻。

**做完不更新。** 电话换了，地址搬了，知识库还是旧的。旧信息比没有信息更糟，因为它会被当作准确答案复述出去。

## 常见问题

**知识库要写多少篇才够？**
按结构算，不看篇数。主体档案一篇，服务目录每项一篇，交付标准每项一篇，案例按行业分，名词解释 20 到 30 条，常见问题 30 到 50 条。中型 B 端企业通常落在 60 到 100 个页面之间。

**内部资料涉密，能放进知识库吗？**
分两层。对外知识库只放可公开内容，内部口径表单独存放。客户名单、合同金额、未公开的项目细节一律不进对外层。

**谁来写比较合适？**
懂业务的人提供事实，会写的人负责改写，两件事分开。让懂业务的人直接写，容易写成内部说明；让写手自己找事实，容易编。

**知识库建好之后，还需要发媒体稿吗？**
需要。知识库解决的是官网这一侧的准确性，媒体稿解决的是第三方交叉验证。两件事分工不同，不能互相替代。

## 相关阅读

《AI 到底愿意引用什么样的内容》
《企业信息被 AI 说错，怎么系统性纠正》