数据、文档与知识：企业究竟需要沉淀什么

先辨认问题需要哪一种依据

“某型号还有多少库存”需要最新业务记录；“这个型号适用于什么环境”需要有效产品资料；“遇到边界条件时怎样选择”可能需要专业判断与经验说明。把三类问题都交给同一份静态文档，容易让知识库承担它并不具备的时效能力。

同样，一张业务表也未必能解释员工为什么应当这样操作。字段可以记录结果，却可能没有保留判断条件。设计时先明确问题与来源的关系，再选择查询、检索或人工澄清，不必为了技术统一而抹平内容差异。

经验需要条件，才能离开原来的讲述者

熟练员工说“这种情况通常这样处理”，其中往往隐含客户、产品、时间和风险条件。记录经验时，应追问哪些迹象触发判断、有哪些例外、依据来自哪里。只有结论而没有条件的经验，可能在另一个场景中失效。

可以保留一个经过脱敏的情景分析，区分事实、当时选择与后来反思。不要将一次有效做法直接升级为全公司的规则。经验进入知识库后，仍需要有人负责解释它的适用边界。

让不同来源各自承担适合的职责

经常变化的业务事实适合回到权威系统查询，稳定规则适合保留完整资料与引用，经验说明则可以作为理解条件的补充。AI 应用可以连接它们，但需要告诉使用者当前答案依据的是哪一种来源。

当来源发生冲突时，先检查时间、对象与效力，不让模型自行合成一个企业从未确认过的新规则。无法确定的部分交给合适负责人，比生成一段完整但没有身份的答案更有价值。

沉淀的尺度，是能否支持下一次判断

知识建设容易被文件数量吸引，但员工真正需要的是在工作中找到合适依据。可以观察重复问题是否减少、查找后是否仍需重新追问、新人能否理解关键条件。

未来企业拥有的内容会越来越多。稀缺的能力可能是辨认哪些内容仍然有效，以及它们为什么值得依赖。知识库应帮助组织保存这种关系，而不仅是保存更多文本。

先判断问题需要哪种来源

把库存、产品适用条件和特殊情况处理各写成一个问题，分别指向实时业务记录、正式资料和经验说明。AI帮助整理，但不得把不同效力的信息合成为未经企业确认的新规则。