作者：王傳陽

楓清科技（Fabarta）技術合夥人

現狀與挑戰

企業在構建AI應用時，通常會由業務部門負責構建相關的業務知識庫。業務部門在構建AI知識庫時，普遍面臨兩大核心挑戰：其一，對AI知識庫與傳統知識庫的本質差異認知不足，缺乏適配AI語義理解的知識梳理方法，導致知識應用準確率難以達標；其二，存在 “一勞永逸” 的認知誤區，傾向於耗時數月構建覆蓋全場景的 “大而全” 知識庫，既造成資源浪費，又因需求變化導致知識失效，無法快速響應業務需求。

企業AI應用的知識庫構建核心理念 - 迭代

一、迭代理念的核心內涵

AI 應用語境下的迭代，是指打破 “一次性構建” 的傳統思維，通過場景拆分 - 小庫驗證 - 逐步擴展的路徑，實現知識庫的動態優化。具體而言，先聚焦單一細分場景，構建最小化可用知識庫與配套測試集，在驗證準確率達標後，再逐步擴展場景邊界、補充知識內容、升級測試標準，最終形成覆蓋完整需求的知識體系。這種模式下，場景迭代與知識庫迭代深度綁定，知識庫的每一次優化都直接服務於應用效果提升，而應用反饋又反向驅動知識完善。

二、迭代的起點：場景與知識的精準拆分

迭代的關鍵起點是“化整為零”：針對計劃構建的完整應用，按業務流程、用户需求或知識領域完成場景拆分，同步將全域知識拆解為相互獨立的知識模塊，選取其中一個高頻、低複雜度的場景作為切入點，形成“小應用 + 小知識庫” 的初始組合。同時，需圍繞該小應用的核心功能，構建包含高頻問題、邊緣案例、歧義場景的效果測試集，明確準確率衡量標準。

三、知識庫迭代的實施路徑

1.首輪迭代：最小知識庫的打磨

業務部門圍繞初始場景，收集整理相關知識文檔（政策文件、操作手冊、FAQ 等）並上傳至平台。這一階段的核心是 “精準適配”：通過多輪優化提升測試集準確率，具體包括：

內容完善：補充缺失的關鍵信息，刪除冗餘無效內容；

結構優化：按“核心概念 - 操作流程 - 常見問題” 分層組織文檔，優化目錄層級；

格式適配：統一文檔格式（優先 word/pdf 等可編輯格式），處理圖片、表格等多模態內容；

實踐積累：記錄每輪優化的有效方法，形成專屬最佳實踐庫。

2.迭代擴展：從單一場景到全域覆蓋

當首輪迭代的準確率達標後，小應用即可上線產生業務價值。隨後啓動擴展迭代：

功能擴展：新增關聯場景功能（如從“信用卡申請查詢” 擴展至 “信用卡還款諮詢”）；

知識擴容：納入新增場景的相關知識，必要時聯動更多業務部門；

實踐複用：將首輪積累的最佳實踐直接應用於新場景，降低跨部門協作成本；

測試升級：擴展測試集覆蓋新場景的業務邏輯，保持準確率標準一致性。

3.全域收斂：形成完整知識體系

經過多輪場景擴展與知識補充，逐步整合所有細分模塊，通過統一的知識管理規範（如術語統一、結構對齊）實現全域知識的協同，最終完成完整應用的構建。

四、迭代式構建的核心優勢

1.降低准入門檻：無需業務部門一次性掌握所有AI知識梳理技巧，在小場景實踐中快速積累經驗；

2.快速產生價值：小應用可在短期內上線，避免“長期投入無產出” 的困境；

3.提升構建效率：最佳實踐的複用，減少跨部門協作中的重複試錯，據行業案例驗證，可降低 30% 以上的知識整理成本；

4.保障效果穩定：每輪迭代均以測試集準確率為核心目標，避免全域上線後出現大規模準確率問題；

5.適配需求變化：迭代過程中可靈活調整知識內容，應對業務政策、用户需求的動態變化。

五、金融行業迭代構建案例分享

某金融企業需構建覆蓋“信貸、理財、支付、保險、財富管理”5 大領域的智能問答應用，涉及 5 個業務部門，迭代路徑如下：

1.首輪迭代：聚焦“個人信貸” 單一領域

選取高頻場景“個人住房貸款申請諮詢” 作為起點，由信貸部門獨立負責知識庫構建：

知識範圍：房貸申請條件、所需材料、審批流程、利率計算 4 類內容；

最佳實踐積累：

格式規範：優先上傳可編輯 PDF/word 文檔，避免掃描件（OCR 識別誤差率降低 40%）；

多模態處理：貸款流程圖前後需添加文字説明（如“下圖為房貸審批全流程，其中面籤環節需攜帶以下材料：……”）；

業務描述：利率政策需明確“計息週期 + 適用人羣 + 調整規則”（如 “首套房年利率 3.6%（按年計息），適用於無逾期記錄的剛需購房者，每年 1 月 1 日調整”）；

分段優化：操作流程類文檔按 1024 字符分段，核心概念類按 512 字符分段，重疊字符數設置為 100；

提示詞配置：添加“嚴格依據文檔內容回答，無相關信息時回覆‘暫無對應政策説明’” 的系統指令。

經過 3 輪優化，測試集準確率從 65% 提升至 92%，“房貸申請諮詢” 子應用上線。

2.二次迭代：擴展至 3 個業務領域

新增“理財”“支付” 兩大領域，由理財部、支付部加入協作：

複用實踐：直接套用信貸部門積累的格式規範、分段規則、多模態處理方法，理財部快速完成基金產品説明書的結構化處理，支付部順利整理跨行轉賬流程文檔，未出現“圖片無法識別”“分段混亂” 等初期問題；

協同優化：統一三大領域的術語規範（如“‘年化收益率’統一表述為‘七日年化收益率’”），補充跨領域關聯知識（如 “理財贖回資金的支付到賬時效”）；

價值延續：原“房貸諮詢” 子應用持續穩定運行，新增的 “理財產品查詢”“轉賬問題諮詢” 子應用經 2 輪迭代後準確率達標上線。

3.三輪迭代：完成 5 大領域全覆蓋

納入“保險”“財富管理” 領域，5 個業務部門協同推進：

實踐升級：基於前兩輪經驗，制定《金融知識 AI 適配統一規範》，明確保險條款需按 “保障範圍 - 免責條款 - 理賠流程” 分層，財富管理方案需標註 “風險等級 + 適配人羣”；

知識融合：構建跨領域知識關聯（如“保險理賠資金的理財建議”“信貸客户的財富管理方案推薦”）；

總結

回顧企業業務部門構建 AI 知識庫的初始困境：對 “AI 與傳統知識庫差異” 的認知盲區，讓知識梳理陷入 “無方法、低準確率” 僵局；“一步到位建大庫” 的誤區，導致資源空耗與需求錯配。而迭代式構建理念恰恰提供破局路徑 —— 通過 “小場景起步 + 實踐積累”，業務部門無需初期掌握複雜 AI 技巧，在打磨小知識庫中摸清語義理解規律，破解準確率難題；通過 “分階段擴展 + 快速上線”，避免全場景一次性構建浪費，讓小應用快速產生價值，靈活應對需求變化。

楓清科技企業知識中台產品的功能體系，與迭代式構建的全週期精準適配，為業務部門提供全流程支撐：

在場景與知識拆分階段，針對“化整為零” 需求，通過無代碼智能體應用工具快速創建小應用，搭配標籤管理按業務域 / 場景劃分知識模塊，同步用問答集管理構建測試集。

在首輪知識庫打磨階段，圍繞多模態適配與準確率驗證，提供文檔管理（支持 30 + 格式解析，含圖文增強處理）、高級切片設置（自定義字符大小 / 重疊度）與在線調試功能。

在迭代擴展階段，針對跨部門協作與新場景接入，通過組織管理劃分協作單元、知識庫關聯功能快速對接新領域知識，搭配權限標籤實現“理財部僅見基金知識” 等安全隔離需求。

在全域收斂階段，依託統一語義層整合多模態知識、詞表管理統一跨域術語，結合知識運營監控全域效果。

楓清科技深度依託多行業客户交付經驗持續打磨知識中台產品，通過客户實踐反哺產品優化，優化後產品再賦能更多客户，實現產品與客户的共同成長。