有个场景在中小企业里反复上演：老板参加完一场 AI 展会，回来就说"咱们也搞个智能客服/智能报价/智能助理"。IT 负责人压力很大，找供应商谈，对方拿出一堆智能体平台的演示——能自动分解任务、能调用工具、能多轮对话，看着确实厉害。于是立项、采购、三个月后上线，结果内部员工问"报销标准是多少"，它答得似是而非；客户问"你们的交期怎么算"，它把去年的政策搬了出来。用的人越来越少，最后变成一个昂贵的摆设。
问题出在哪？不是智能体不好，是顺序错了。你把"会思考的大脑"先建起来了，却没给它"可供思考的材料"。
为什么知识库必须排在第一位
大模型的通用能力很强，但它不知道你的报销标准、你的产品 BOM、你的客户信用政策、你的售后 SLA。这些才是企业里真正高频、真正值钱的问答内容。没有结构化沉淀的企业知识，智能体再聪明，也只能拿公开常识来凑数，答非所问是必然结果。
反过来看，把知识库先做扎实，收益是立刻可见的，甚至不需要智能体：
- 新人上手从两周缩短到三天。 制度、流程、系统操作手册集中可查，不用再"问老王"。
- 重复问题消失。 财务、人事、IT 每天重复回答的几十个问题，直接自助解决。
- 答案口径统一。 再也不会出现三个主管给出三种报销解释的情况。
- 老员工的经验变成资产。 那些只在某个人脑子里的处置经验，被写下来、被检索到。
而这一切，恰恰也是智能体赖以工作的底座。同一个知识库，今天是检索问答，明天接上智能体就是自动办理——底座是同一个，只是上层形态不同。先做知识库不是绕路，是在修那条必经之路。
先做什么：三件事定下知识库的底子
第一件：划定范围，先啃最高频的那一块。
不要一上来就想"沉淀公司全部知识"，那等于什么都不做。拉一张表，把过去三个月内部咨询量最大的问题列出来，按频次排序，取前三十个。它们通常集中在几个领域：费用报销与差旅标准、考勤休假规则、系统账号与权限申请、产品报价与交期规则、售后与投诉处理流程。
选其中一类做试点。建议选规则稳定、责任人明确、且现有文档不是一片空白的那一类——比如报销制度，几乎所有公司都有成文版本，这是最好的起点。
第二件：把"原材料"整理成可检索的形态。
这一步最枯燥，也最决定成败。核心工作不是写新东西，而是"梳旧"：
- 收集散落各处的文件：共享盘、群聊记录、邮件附件、老 OA 里的公告、某个同事电脑里的 Excel。
- 去重与定版：同一份制度往往有五六个版本，必须明确哪份是当前生效版，其余归档标注废止。
- 切分与打标：大文档按章节切成小片段，每个片段标注适用范围（全员 / 某部门 / 某岗位）、生效日期、责任部门。
- 补问答对：把高频问题直接写成"问—答"条目，这是检索命中率最高、最省事的部分。
- 标注不可答边界：明确哪些问题必须由人回答（涉及个人薪资、具体合同条款、尚在审批中的事项）。
第三件：选一个够用的检索方案，别纠结技术。
| 方案 | 适用规模 | 优点 | 注意点 |
|---|---|---|---|
| 现有 OA / 网盘全文检索 | 文档少于 200 份 | 零成本、无需建设 | 语义弱，同义词搜不到 |
| 知识库工具 + 向量检索 | 200～2000 份 | 语义匹配好，问答体验佳 | 需维护文档更新 |
| 自建 RAG 接入大模型 | 数据敏感、有开发能力 | 可控、可内网部署 | 需要运维投入 |
| 大模型 + 本地文档问答 | 快速验证阶段 | 见效快 | 不适合长期使用与权限控制 |
对绝大多数中小企业，第二档是性价比最高的选择。判断标准很简单：能不能做到"问一句人话，给出答案，并附上出自哪份文件第几章"。能附出处，才谈得上信任。
避坑提示： 知识库最大的敌人不是技术，是"建完就没人管"。制度每改一次，知识库就错一次；错了三次，用户就再也不信它。必须在上线同时定下维护机制：每份文档标注责任人与复审周期（建议季度或半年），把"文档更新"写进制度修订流程里，而不是靠某个人的自觉。宁可知识库小一点、准一点，也不要大而全却过期。
后做什么：什么时候上智能体
知识库跑顺之后（一般两到三个月），你会自然遇到新的需求：光回答还不够，员工希望"直接帮我发起报销单""直接查一下这个客户的账期"。这时候才是智能体登场的时候。
判断可以启动的信号有三个：
- 知识库问答的准确率稳定在可用水平，且用户已经养成了先问再问人的习惯；
- 有一批明确、可枚举、有系统接口的动作，比如"提交请假""查询订单状态""生成对账单"；
- 你已经清楚哪些动作允许自动执行、哪些必须人工确认。
第三个信号最关键。智能体和知识库的本质区别是：知识库只输出信息，错了顶多误导；智能体会执行动作，错了就是事故。 所以权限必须分级：查询类可直接执行，创建类需二次确认，变更类与资金类一律人工终审。
怎么验收：分阶段设指标
第一阶段（知识库试点）
- 覆盖率：试点领域的高频问题，可在库中找到明确答案的比例 ≥ 80%。
- 准确率：抽检 50 个问题，答案与制度原文一致率 ≥ 95%。
- 可用性：给出答案时必须附原文出处，无出处的答案视为不合格。
- 使用率：试点部门周活跃提问人数占部门人数比例（观察趋势，不设绝对值）。
第二阶段（扩展与智能体）
- 替代率：同类咨询转人工的比例较上线前下降幅度。
- 首解率：智能体一次性办结、无需人工介入的比例。
- 事故数：误执行事件数量，目标为零；一旦发生，立即降级为"只建议不执行"。
写在最后
AI 落地的顺序，决定了你是积累资产还是积累教训。先做知识库，是用最小的投入把企业里最散、最易流失的东西固定下来；它既能独立产生价值，又天然是后续智能体的地基。先把地基压实，再谈上层建筑——这个顺序，反了就要重来一遍。