4.1 知识采集

一句话定位：各种格式的资料统一收进来，AI 自动分类打标签。

知识采集是源泉的入口——再好的知识库，如果灌不进去，就是一座空仓库。

您现在的问题

场景一：资料散落十个地方。 产品手册在网盘、技术方案在企业微信、客户 FAQ 在客服主管的 Excel 里、行业报告在老板的邮箱里。要找一份资料，先要想它在哪儿。员工平均每天花 20 分钟"找东西"，一年就是 80 个小时。

场景二：格式五花八门。 PDF、Word、PPT、图片、网页链接、聊天记录——每种格式打开方式不同，整理方式不同，入库更是无从下手。格式壁垒让 40% 的企业知识"锁"在打不开的文件里。

场景三：收了也不整理。 好不容易把资料集中到一个文件夹里，但没有分类、没有标签、没有关联——三个月后，又得重新找一遍。没有索引的知识库，和垃圾堆没有区别。

场景四：知识"只在人脑里"。 老师傅的经验、销冠的话术、客服的临场应变——这些最有价值的知识从来没有被记录过。人一走，知识归零。企业 70% 的隐性知识从未被文档化。

功能全景

知识采集解决"知识从哪来、怎么进来、进来后怎么整理"三个问题：

资料来源（本地文件/网页/聊天记录/手动录入）
        ↓
统一采集入口（拖拽上传/批量导入/URL抓取/API对接）
        ↓
AI 自动处理：格式识别 → 文本提取 → 分类打标签 → 知识点原子化
        ↓
入库 → 4.2 文档管理（审核归档）→ 4.4 智能检索（可搜索）

• 多格式统一收。 PDF / Word / PPT / 图片（OCR）/ 网页 / 纯文本——拖进来就完成采集，系统自动识别格式并提取文本内容。
• 批量导入。 几百份文档一次性灌入，不用一份一份手动操作。
• AI 自动分类。 入库时 AI 自动识别文档类型（产品说明/操作手册/合同/FAQ/行业报告），打上分类标签——省掉人工分拣的繁琐。
• 知识原子提取。 AI 从长文档中提取关键知识点（如"适用于350℃工况""质保期两年"），变成可独立检索的知识碎片。

操作指南

1. 进入源泉 → 知识采集 → 点击"上传"或直接将文件拖入采集区；
2. 批量导入 → 选择文件夹或 ZIP 包，一次性导入（支持断点续传）；
3. 网页采集 → 粘贴 URL，系统自动抓取网页正文并存入知识库；
4. 查看AI分类结果 → 导入完成后，系统展示自动分类和标签建议，您确认或调整；
5. 提交入库 → 确认后文档进入 4.2 文档管理的收件箱，等待审核归档。

关键配置项：

• 支持格式：默认全开（PDF/Word/PPT/图片/网页/文本）
• OCR 开关：图片类文件是否启用文字识别
• 自动分类置信度阈值：低于阈值的需人工确认分类
• 去重策略：按文件名/内容哈希去重，避免重复入库

最佳实践

1. 先"大扫荡"，再"细水长流"。 上线第一周把公司现有资料一次性灌入（哪怕粗糙），之后每周增量补充 5~10 份新资料。
2. 指定"知识管理员"。 不需要全职，但需要有一个人每周花 30 分钟检查 AI 分类是否准确、是否有遗漏资料。
3. 优先采集"客户会问的"。 产品参数、报价规则、售后政策、常见故障——这些是客户和销售最高频需要的，先灌这些。
4. 别追求完美再入库。 一份 80 分的资料入库了，比一份 100 分的资料永远躺在邮箱里强一万倍。

常见误区

误区一：只收不用。 采了一堆文档进来，但从不用智能检索和 AI 问答去消费它们——知识的价值在于被使用，不在于被存储。

误区二：什么垃圾都往里塞。 过期的、错误的、重复的资料混入知识库，会污染 AI 问答的质量——宁可少收，不要收错。 配合 4.2 文档管理的审核环节把关。

误区三：忽略了"人脑里的知识"。 只采集现有文档，不把老师傅的经验、销冠的话术录下来——最有价值的知识往往不在文件里，在人脑里。 用"手动录入"或"语音转文字"把隐性知识显性化。

与其他能力的配合

• 采集的知识经 4.2 文档管理 整理归档，流入 4.3 FAQ 库 和 4.4 智能检索；
• 4.5 AI 问答 的所有答案，原料都来自知识采集——源头越丰富，回答越准确；
• 基因（第五章）生产内容时，也从这里取素材——所以 AI 写的文章有真实细节；
• 灯塔（第七章）的竞品报告也可存入知识库，成为历史对标参考。

关键指标

指标	健康值	说明
知识库文档总量	持续增长	每月至少净增10份有效文档
AI分类准确率	≥90%	低于85%需调整分类模型或增加人工审核
知识覆盖率	核心业务100%	客户高频问题对应的知识必须已入库
重复率	<5%	过高说明去重策略需优化