# 数据、文档与知识：企业究竟需要沉淀什么 区分业务数据、资料载体与可用于判断的知识，明确企业知识库的内容职责。 要点：数据记录状态，文档保存表达，知识帮助人在特定条件下作判断。三者相互依赖，却不宜混为一谈。企业知识库建设应从员工需要回答的问题出发，决定哪些事实需要查询、哪些规则需要解释、哪些经验需要补充条件。 ![团队在资料墙前梳理文档与信息关系（AI概念配图）](/images/immersive/knowledge-library-v2.png) ## 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。 | 依据类型 | 典型内容 | 主要维护要求 | | --- | --- | --- | | 业务数据 | 库存、状态、记录 | 及时查询与身份控制 | | 正式资料 | 参数、制度、流程 | 版本、范围与有效性 | | 经验知识 | 例外、判断与取舍 | 背景、依据与适用条件 | ## 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。 ## 参考来源 - [秩启｜企业资料准备](/workspace)：企业资料、角色与待核事项整理；保存草案不等于形成正式业务规则 - [Dify｜Knowledge Pipeline](https://www.dify.ai/rag)：资料处理、检索与来源引用的产品说明 ## 按问题选择依据 - 状态事实：回到业务系统查询 - 规则资料：核对版本与适用范围 - 判断经验：保留背景和必要条件 ![按问题选择依据](/images/guides/diagrams/knowledge-vs-data.svg) ## 继续阅读 - [企业知识库怎么搭？从资料整理到有来源的回答](/guides/enterprise-knowledge-base) - [如何访谈资深员工：把判断条件留下来](/guides/tacit-knowledge-interview) - [产品资料在官网、销售和知识库里，怎样保持一致？](/guides/product-data-governance) 沿真实业务明确资料、人员、AI能力与人工确认，逐步形成企业自己的做法。 下一步：[了解分工与建设方法](/method) 原文：/guides/knowledge-vs-data 内容版本：guide:knowledge-vs-data:v1 [结合企业情况咨询](/intake?source=%2Fguides%2Fknowledge-vs-data&articleId=guide%3Aknowledge-vs-data&versionId=guide%3Aknowledge-vs-data%3Av1)