知识萃取

知识萃取是把骨干员工的经验、判断和做法，整理成别人能照着用的文档、标准问答和流程，也常叫「经验萃取」。它解决的问题很具体：老员工一走，做法就跟着走了；新人只能靠问和猜。

知识萃取的步骤

不同培训体系的叫法不一样，做法大致是四步：

1. 选场景。 先选一个高频、出错代价大的工作场景，例如报价、处理客诉、设备点检，不要一开始就想萃取「全部经验」。
2. 找对的人，问具体的事。 访谈做得好的人，让他讲最近几次真实的处理过程：看到了什么、怎么判断、为什么这样做。只问「你的经验是什么」，得到的往往是空话。
3. 整理成可用的形式。 步骤清单、判断条件、常见问题和反例，比一篇心得更好用。
4. 验证后发布。 让另一个人照着做一遍，做不下来的地方就是还没萃取清楚的地方。内容要写明负责人和更新日期。

AI 在知识萃取里能做什么

AI 适合做费时的整理工作：把访谈录音转成文字、把散落的聊天记录和文档归纳成草稿、从草稿里列出还缺的问题。但它也会把说法概括错，或者补上原文没有的内容（大模型幻觉）。所以每一条做法都要回到原始资料，并请业务专家确认后才能发布。

萃取出来的内容，通常会放进企业知识库，供员工检索或给 AI 智能体 调用。对外的品牌事实与口径，则应集中维护在知识母版里。企业知识库怎么搭见企业 AI 知识库；带团队做一次萃取练习，可以放进企业 AI 培训。

相关条目

• 知识母版 —— 知识母版是把品牌的事实、口径与标准问答集中维护在一处的原始文档，对外内容都由它改写而来，而不是各渠道各写各的。
• AI 智能体 —— AI 智能体是能够自主规划步骤、调用工具并根据结果调整行动来完成目标的程序，而不只是被动生成一段文本。
• 大模型幻觉 —— 大模型幻觉是模型生成流畅但与事实不符的内容。本文介绍品牌名称、属性与关系错误等常见形态，说明检索增强的作用和边界，以及可用于减少错误的事实核验措施。