作者：王传阳
枫清科技（Fabarta）技术合伙人
现状与挑战
企业在构建AI应用时，通常会由业务部门负责构建相关的业务知识库。业务部门在构建AI知识库时，普遍面临两大核心挑战：其一，对AI知识库与传统知识库的本质差异认知不足，缺乏适配AI语义理解的知识梳理方法，导致知识应用准确率难以达标；其二，存在 “一劳永逸” 的认知误区，倾向于耗时数月构建覆盖全场景的 “大而全” 知识库，既造成资源浪费，又因需求变化导致知识失效，无法快速响应业务需求。
企业AI应用的知识库构建核心理念 - 迭代
一、迭代理念的核心内涵
AI 应用语境下的迭代，是指打破 “一次性构建” 的传统思维，通过场景拆分 - 小库验证 - 逐步扩展的路径，实现知识库的动态优化。具体而言，先聚焦单一细分场景，构建最小化可用知识库与配套测试集，在验证准确率达标后，再逐步扩展场景边界、补充知识内容、升级测试标准，最终形成覆盖完整需求的知识体系。这种模式下，场景迭代与知识库迭代深度绑定，知识库的每一次优化都直接服务于应用效果提升，而应用反馈又反向驱动知识完善。
二、迭代的起点：场景与知识的精准拆分
迭代的关键起点是“化整为零”：针对计划构建的完整应用，按业务流程、用户需求或知识领域完成场景拆分，同步将全域知识拆解为相互独立的知识模块，选取其中一个高频、低复杂度的场景作为切入点，形成“小应用 + 小知识库” 的初始组合。同时，需围绕该小应用的核心功能，构建包含高频问题、边缘案例、歧义场景的效果测试集，明确准确率衡量标准。
三、知识库迭代的实施路径
1.首轮迭代：最小知识库的打磨
业务部门围绕初始场景，收集整理相关知识文档（政策文件、操作手册、FAQ 等）并上传至平台。这一阶段的核心是 “精准适配”：通过多轮优化提升测试集准确率，具体包括：
-
内容完善：补充缺失的关键信息，删除冗余无效内容；
-
结构优化：按“核心概念 - 操作流程 - 常见问题” 分层组织文档，优化目录层级；
-
格式适配：统一文档格式（优先 word/pdf 等可编辑格式），处理图片、表格等多模态内容；
-
实践积累：记录每轮优化的有效方法，形成专属最佳实践库。
2.迭代扩展：从单一场景到全域覆盖
当首轮迭代的准确率达标后，小应用即可上线产生业务价值。随后启动扩展迭代：
-
功能扩展：新增关联场景功能（如从“信用卡申请查询” 扩展至 “信用卡还款咨询”）；
-
知识扩容：纳入新增场景的相关知识，必要时联动更多业务部门；
-
实践复用：将首轮积累的最佳实践直接应用于新场景，降低跨部门协作成本；
-
测试升级：扩展测试集覆盖新场景的业务逻辑，保持准确率标准一致性。
3.全域收敛：形成完整知识体系
经过多轮场景扩展与知识补充，逐步整合所有细分模块，通过统一的知识管理规范（如术语统一、结构对齐）实现全域知识的协同，最终完成完整应用的构建。
四、迭代式构建的核心优势
1.降低准入门槛：无需业务部门一次性掌握所有AI知识梳理技巧，在小场景实践中快速积累经验；
2.快速产生价值：小应用可在短期内上线，避免“长期投入无产出” 的困境；
3.提升构建效率：最佳实践的复用，减少跨部门协作中的重复试错，据行业案例验证，可降低 30% 以上的知识整理成本；
4.保障效果稳定：每轮迭代均以测试集准确率为核心目标，避免全域上线后出现大规模准确率问题；
5.适配需求变化：迭代过程中可灵活调整知识内容，应对业务政策、用户需求的动态变化。
五、金融行业迭代构建案例分享
某金融企业需构建覆盖“信贷、理财、支付、保险、财富管理”5 大领域的智能问答应用，涉及 5 个业务部门，迭代路径如下：
1.首轮迭代：聚焦“个人信贷” 单一领域
选取高频场景“个人住房贷款申请咨询” 作为起点，由信贷部门独立负责知识库构建：
-
知识范围：房贷申请条件、所需材料、审批流程、利率计算 4 类内容；
-
最佳实践积累：
-
格式规范：优先上传可编辑 PDF/word 文档，避免扫描件（OCR 识别误差率降低 40%）；
-
多模态处理：贷款流程图前后需添加文字说明（如“下图为房贷审批全流程，其中面签环节需携带以下材料：……”）；
-
业务描述：利率政策需明确“计息周期 + 适用人群 + 调整规则”（如 “首套房年利率 3.6%（按年计息），适用于无逾期记录的刚需购房者，每年 1 月 1 日调整”）；
-
分段优化：操作流程类文档按 1024 字符分段，核心概念类按 512 字符分段，重叠字符数设置为 100；
-
提示词配置：添加“严格依据文档内容回答，无相关信息时回复‘暂无对应政策说明’” 的系统指令。
经过 3 轮优化，测试集准确率从 65% 提升至 92%，“房贷申请咨询” 子应用上线。
2.二次迭代：扩展至 3 个业务领域
新增“理财”“支付” 两大领域，由理财部、支付部加入协作：
-
复用实践：直接套用信贷部门积累的格式规范、分段规则、多模态处理方法，理财部快速完成基金产品说明书的结构化处理，支付部顺利整理跨行转账流程文档，未出现“图片无法识别”“分段混乱” 等初期问题；
-
协同优化：统一三大领域的术语规范（如“‘年化收益率’统一表述为‘七日年化收益率’”），补充跨领域关联知识（如 “理财赎回资金的支付到账时效”）；
-
价值延续：原“房贷咨询” 子应用持续稳定运行，新增的 “理财产品查询”“转账问题咨询” 子应用经 2 轮迭代后准确率达标上线。
3.三轮迭代：完成 5 大领域全覆盖
纳入“保险”“财富管理” 领域，5 个业务部门协同推进：
-
实践升级：基于前两轮经验，制定《金融知识 AI 适配统一规范》，明确保险条款需按 “保障范围 - 免责条款 - 理赔流程” 分层，财富管理方案需标注 “风险等级 + 适配人群”；
-
知识融合：构建跨领域知识关联（如“保险理赔资金的理财建议”“信贷客户的财富管理方案推荐”）；
总结
回顾企业业务部门构建 AI 知识库的初始困境：对 “AI 与传统知识库差异” 的认知盲区，让知识梳理陷入 “无方法、低准确率” 僵局；“一步到位建大库” 的误区，导致资源空耗与需求错配。而迭代式构建理念恰恰提供破局路径 —— 通过 “小场景起步 + 实践积累”，业务部门无需初期掌握复杂 AI 技巧，在打磨小知识库中摸清语义理解规律，破解准确率难题；通过 “分阶段扩展 + 快速上线”，避免全场景一次性构建浪费，让小应用快速产生价值，灵活应对需求变化。
枫清科技企业知识中台产品的功能体系，与迭代式构建的全周期精准适配，为业务部门提供全流程支撑：
-
在场景与知识拆分阶段，针对“化整为零” 需求，通过无代码智能体应用工具快速创建小应用，搭配标签管理按业务域 / 场景划分知识模块，同步用问答集管理构建测试集。
-
在首轮知识库打磨阶段，围绕多模态适配与准确率验证，提供文档管理（支持 30 + 格式解析，含图文增强处理）、高级切片设置（自定义字符大小 / 重叠度）与在线调试功能。
-
在迭代扩展阶段，针对跨部门协作与新场景接入，通过组织管理划分协作单元、知识库关联功能快速对接新领域知识，搭配权限标签实现“理财部仅见基金知识” 等安全隔离需求。
-
在全域收敛阶段，依托统一语义层整合多模态知识、词表管理统一跨域术语，结合知识运营监控全域效果。
枫清科技深度依托多行业客户交付经验持续打磨知识中台产品，通过客户实践反哺产品优化，优化后产品再赋能更多客户，实现产品与客户的共同成长。
