企业智能体经常“说得像真的但事实不对”，很多时候问题不只在模型，而在知识库。制度、报价、产品参数、历史方案和员工笔记混在一起，AI 无法判断哪份是最新版本，也不知道哪些内容只允许内部查看。
建设企业 AI 知识库，第一步不是上传，而是清点。每份资料至少标注所属业务、适用对象、生效日期、版本、责任人、保密级别和下次复核时间。正式制度与个人经验分开，现行资料与历史归档分开，对外口径与内部操作分开。
第二步是围绕任务组织知识。客服智能体需要产品问答、服务边界和升级人工规则；销售助手需要客户画像、案例、异议处理和最新价格审批流程。一个“大而全”的知识库往往不如几个边界清楚的小知识库稳定。
第三步是设计回答规则：必须引用来源，不确定时明确说不知道，涉及价格、法律、医疗或重大承诺时转人工。第四步是持续测试，用真实问题建立测试集，记录回答是否准确、是否引用正确、是否泄露越权信息。
《生成式人工智能服务管理暂行办法》体现了发展和安全并重的原则。企业内部应用虽然具体适用边界要结合业务判断，但数据安全、个人信息保护、内容准确和权限控制仍应成为基本管理要求。
富德 AI 通常先为一个岗位建立最小知识库，跑通“资料入库—问题测试—责任人修正—版本更新”，再逐步扩大。这样建出来的不是文件仓库，而是可维护的企业知识能力。
内容说明：本文由富德 AI 内容研究组基于公开法规和知识工程实践整理，经人工审校，不构成法律意见。