第四章 · 源泉 · 企业知识库
芒旭软件企业知识库将分散的企业资料统一采集、整理、归档，通过语义级智能检索和AI问答让员工与客服随时调取准确知识，防止经验随人员离职流失。
- 企业知识应作为资产系统管理
- 语义检索支持按意思找文档
- AI问答答案可溯源出处文档
- 知识库与内容生成、官网客服联动
- 新人借助AI问答三天摸清产品线
一句话定位：经验不随离职流失，新人三天上手。
九脉之中，源泉为基。水有源，火有薪——企业所有的智能，都从这里发端。
您现在的痛
请对照一下，这些场景您的公司有几个：
场景一：找资料，像考古。 客户临时要一份三年前做过的类似方案，销售翻了两小时网盘、问了四个同事、翻遍了自己的微信收藏——最后重新做了一份。那份"肯定存在过"的方案，至今没找到。据调查，知识工作者平均每天花 2.5 小时在"找东西"上——一个 10 人团队，一年有 6000 个小时耗在翻箱倒柜里。
场景二：老师傅要退休了。 车间的疑难问题，只有王工能解决；报价里的门道，只有陈总监说得清。他们脑子里的东西，公司从来没有系统地留存过。人一走，公司的"内存"就被拔走一条。一位资深工程师的隐性知识覆盖 200+ 种工况场景——这些经验如果折成培训成本，价值超过 50 万。
场景三：新人培养，全靠悟。 新销售入职，给一堆PDF让他自己看；客服上岗，遇到问题喊师傅。同一个问题，公司每年要重新教一遍、错一遍、赔一遍。新人从入职到独立见客户平均 3~6 个月——期间每犯一次错，成本 5000~2万。
场景四：客户半夜提问，没人在。 官网访客晚上十一点想问"你们的设备支持什么工况"，在线客服早已下班。他没有等到早上九点——他去问了竞争对手。B2B 采购决策者中，67% 会在非工作时间进行线上调研——您的"下班时间"恰好是对手的"获客时间"。
场景五：同一份资料，十个版本。 产品手册改了五版，网盘里躺着五个文件名相似的文件。销售发出去的是哪版？客户手里的是哪版？没人说得清。版本混乱不只是效率问题，更是专业度问题——客户收到过期资料，信任直接打折。
这四个场景背后是同一个病根：企业的知识，从来没有被当成资产管理过。
用了源泉之后的样子
同样五个场景，重演一遍：
- 销售在系统里输入几个关键词，三秒钟，三年前那份方案连同当时的报价思路一起出现——智能检索不是"文件名搜索"，它懂语义，您搜"耐高温方案"，它能找到写着"适用于350℃工况"的那份文档。
- 王工退休前三个月，公司把他的检修笔记、口述经验、常见故障处理方法陆续导入源泉。AI自动整理成结构化的知识条目。王工走了，"王工的经验"留下了，而且任何人随时可以调用。
- 新销售入职第一天，得到的不是一堆PDF，而是一个AI问答入口："我们和竞品的核心差异是什么？""这个型号最常见的客户疑虑怎么回答？"——问什么答什么，答案全部来自公司自己的资料，三天摸清产品线，三周独立见客户。
- 晚上十一点，官网访客的问题由AI即时回答——答案不是网上的通用套话，而是从您的知识库里检索出的准确内容。客户睡前得到了答案，早上九点，销售收到了这条线索。
- 产品手册只有一个"当前版本"。旧版自动归档标记，新版入库时系统通知所有相关人——发出去的永远是最新、最准的那一份。
前后对比
| 维度 | 没有源泉 | 有了源泉 |
|---|---|---|
| 找资料耗时 | 平均2小时/次 | 3秒（语义搜索） |
| 新人独立周期 | 3~6个月 | 3~4周 |
| 离职知识流失率 | 80%+（带走） | <10%（已入库） |
| 非工作时间客户响应 | 0（无人） | 即时（AI问答） |
| 资料版本混乱 | 常态 | 零（单一真源） |
核心能力清单
| 能力 | 它替您做什么 | 典型场景 |
|---|---|---|
| 知识采集 | 文档、网页、图片、问答，各种格式统一收进来；批量导入，AI自动分类打标签 | 一次性导入500份历史文档，AI自动分成产品/方案/FAQ/合同 |
| 文档管理 | 收件箱 → 整理 → 归档的完整流转；版本留痕，谁改过什么有据可查 | 产品手册更新时自动通知销售团队"旧版作废" |
| FAQ 库 | 客户问过的问题沉淀成标准问答，客服、销售、官网AI共用一套口径 | 客户问"质保几年"，三个渠道给出同一个标准答案 |
| 智能检索 | 语义级搜索，"搜意思"而不是"搜字面"；跨文档、跨格式一次找全 | 搜"适合高温环境的密封方案"→找到所有相关文档 |
| AI 问答 | 基于您自己的知识库回答问题，每个答案都能溯源到出处文档 | 官网访客问技术问题，AI从您的手册中精准作答 |
| 知识标签 | 全站统一的标签体系，知识、内容、客户用同一套语言组织 | 按"行业×产品×工况"三维标签快速定位知识 |
典型使用流程
采集（多格式导入 / 网页抓取 / 手动录入）
↓
AI处理（自动分类 / 标签 / 知识原子提取 / 向量化）
↓
管理（归档 / 版本控制 / 权限设置 / 定期巡检）
↓
消费（智能检索 / AI问答 / 基因取材 / 外呼话术底稿）
↓
沉淀（新知识回流 / 过期知识标记 / 使用数据反馈）
上线建议
| 企业规模 | 启动配置 | 首批灌什么 |
|---|---|---|
| 小微（10~30人） | 先开采集+检索+AI问答，FAQ边用边攒 | 产品手册+报价模板+客户常见问题（50~100份即可起步） |
| 成长型（30~200人） | 全功能开启，设专人每周巡检知识时效 | 全量历史文档+售后记录+培训材料+竞品资料（500+份） |
| 集团/多品牌 | 按事业部/品牌分库，共享通用知识（制度/合规） | 各BU独立灌入+集团公共知识统一维护 |
上线第一件事，先把源泉灌满。源泉有多深，后面每一脉的功力就有多深。
源泉与其他脉的联动
源泉不是一座孤立的资料库，它是整套系统的"燃料仓"：
- 基因造内容，原料来自源泉——所以AI写出的文章有真实细节，不是空话；
- 棱镜官网的AI客服，答案来自源泉——所以回答专业统一，不会胡编；
- 小程序里的AI助手、AI外呼的话术底稿，根都在源泉；
- 罗盘规划选题时，参考源泉里的知识覆盖度——哪里薄就补哪里；
- 灯塔发现的市场新洞察，又会沉淀回源泉——知识越用越厚。
源泉(知识库) ──原料──→ 基因(内容) ──成品──→ 棱镜/发布(展示)
↑ ↓
└── 灯塔(洞察回流) ←── 引力(客户问题) ←── AI问答(消费)
常见问题
问：我们资料很乱，是不是要先整理好再导入？ 答：不用。源泉的AI采集就是替您整理的——拖进去，AI自动识别格式、提取文本、分类打标签。"先整理再导入"是最大的误区，因为它永远不会发生。先灌进去，再慢慢优化。
问：知识库会不会越用越乱？ 答：不会，因为源泉有"版本管理+时效巡检"机制。每份文档有最后更新日期，超期未更新的会被标记提醒。罗盘还会定期安排"知识巡检"任务，确保库里的东西是活的。
问：AI问答会不会胡说八道？ 答：源泉的AI问答是"检索式生成"——它从您的知识库里找到相关段落，再组织语言回答。每个答案都附带出处链接，可以一键验证。没有来源的问题，它会明确说"知识库中暂无相关信息"，而不是编一个。
问：知识安全怎么保障？ 答：源泉支持权限分级（按部门/角色/密级），操作全程审计日志，敏感文档可设"仅指定人可见"。数据存储在您自己的环境里，不出境、不共享。详见第十一章·基座。