一、问题背景
企业AI能力建设一段时间后，一个尴尬的问题开始浮现：
- 市场部调了一个好用的Prompt，研发部不知道，自己又重新调了一遍
- 财务部搭了一个合同审查工作流，法务部也在搭，功能几乎一样
- 有员工离职了，他优化的Prompt、搭建的工作流，全部流失
核心问题：AI资产没有被当作“资产”来管理。
企业对待代码有Git仓库，对待文档有Confluence/SharePoint，但对待Prompt、工作流、知识库——没有统一的管理体系。
这篇文章从工程角度，拆解AI资产管理的三个核心对象：提示词、工作流、知识库，以及完整的管理体系设计。
二、AI资产的三种类型
| 资产类型 | 定义 | 示例 | 管理难点 |
|---|---|---|---|
| 提示词 | 指导LLM完成任务的指令文本 | 周报生成Prompt、合同审查Prompt | 版本混乱、调试过程丢失、个人带走 |
| 工作流 | 多节点、多分支的自动化流程 | 智能客服分流、简历筛选Agent | 复用困难、修改成本高、依赖关系不透明 |
| 知识库 | 企业内部的向量化知识集合 | 技术文档库、产品FAQ库 | 数据隔离、增量更新、多版本并存 |
三、整体架构设计
核心思路： 将三类资产纳入统一平台，实现“版本可控、权限可管、复用可查”。
系统架构：
四、提示词管理体系
4.1 核心能力
| 能力 | 说明 |
|---|---|
| 版本控制 | 每次修改生成新版本，支持回滚和对比 |
| 调试记录 | 自动记录每次调用的输入、输出、耗时、Token消耗 |
| 变量管理 | 支持模板变量（如{company_name}），便于复用 |
| 效果评估 | 多版本A/B测试，对比哪个版本的准确率更高 |
4.2 数据模型
4.3 提示词模板化示例
使用示例：
五、工作流管理体系
5.1 核心能力
| 能力 | 说明 |
|---|---|
| 可视化编排 | 拖拽式搭建节点，无需代码 |
| 版本管理 | 工作流即代码，支持Git式版本控制 |
| 依赖分析 | 自动分析节点间的依赖关系，可视化展示 |
| 模板化 | 将成熟工作流发布为模板，一键复用 |
| 执行追踪 | 每次执行生成Trace ID，全链路可查 |
5.2 数据模型
5.3 工作流模板库设计
模板分类：
| 分类 | 模板示例 | 适用场景 |
|---|---|---|
| 合同审查 | 风险条款提取+标注 | 法务、采购 |
| 简历筛选 | 信息提取+匹配打分 | HR |
| 客服分流 | 意图识别+派单 | 客服 |
| 报告生成 | 数据查询+分析+汇总 | 运营、管理 |
复用流程：
- 用户在模板库搜索“合同审查”
- 预览模板的节点结构和配置
- 一键复制到自己的工作空间
- 根据实际需求微调
六、知识库管理体系
6.1 核心能力
| 能力 | 说明 |
|---|---|
| 多源接入 | 支持PDF/Word/Markdown/网页/数据库 |
| 增量更新 | 文档变更时增量索引，不用重建全库 |
| 版本快照 | 支持知识库快照，可回溯到任意时间点 |
| 权限隔离 | 行级租户隔离，租户A看不到租户B的数据 |
| 质量监控 | 定期检查文档覆盖率、检索命中率 |
6.2 数据模型
6.3 知识库质量监控
关键指标：
| 指标 | 定义 | 告警阈值 |
|---|---|---|
| 覆盖率 | 核心文档是否已入库 | <90% |
| 新鲜度 | 文档更新后多久同步 | >24小时 |
| 检索命中率 | Top 3结果包含正确答案的比例 | <80% |
| 空搜索率 | 搜索无结果的比例 | >10% |
七、权限与协作设计
7.1 权限模型
| 角色 | 提示词权限 | 工作流权限 | 知识库权限 |
|---|---|---|---|
| 查看者 | 浏览已发布 | 查看已发布 | 检索、问答 |
| 编辑者 | 创建、编辑 | 创建、编辑 | 上传文档 |
| 审核者 | 审核发布 | 审核发布 | 审核入库 |
| 管理员 | 全权限 | 全权限 | 全权限 |
| 跨部门共享 | 只读 | 只读 | 只读 |
7.2 资产发布流程
text
草稿 → 部门内审 → 发布 → 全公司可见 ↓ ↓ ↓ 编辑 驳回 归档
八、落地路径建议
第一阶段：Prompt管理先行（1-2周）
最轻量，效果最快。建一个团队共享的Prompt库，至少解决“重复调Prompt”的问题。
第二阶段：工作流模板化（3-4周）
选择3-5个高频场景，将现有工作流固化为模板。业务人员可一键复制使用。
第三阶段：知识库统一接入（4-6周）
将散落在各处的文档统一接入知识库，建立版本快照和质量监控。
第四阶段：全资产打通（持续）
实现“Prompt+工作流+知识库”的联动——工作流中引用Prompt模板，知识库被工作流调用。
在具体实现上，有企业采用 ZGI 作为AI资产管理的底座平台，其Prompt版本控制、工作流模板化、知识库管理能力覆盖了上述全部设计。
九、写在最后
企业AI资产管理的本质是：把“个人经验”变成“组织能力”。
提示词不是一个人的备忘录，工作流不是一个项目的临时脚本，知识库不是一个部门的私有文件柜。
它们是企业的核心AI资产，值得像对待代码一样去管理。
本文基于企业AI资产管理实践整理。
