企业如何判断哪些信息值得进入AI知识体系？

这个问题我被问过太多次了：知识库整理了几百页，是不是越多越好？

我一般先反问一句：你这几百页里，有哪几条是能被用户原样问出来的？

答不上来，问题就不在数量上。

先说结论：值得进知识体系的信息有三个共同特征——具体、可核对、被问得到。 三个都占才进，缺一个就往后放。少而准，胜过把什么都塞进去。

上一篇聊的是 AI 缺什么信息，缺的是"能对得上号的确定性事实"。这一篇往下走一步：知道了缺什么，手上的东西也不是全都能补上，那就得筛。

一、知识库的价值不在存量，在于每一条都能对上号

企业整理知识库时最大的浪费，是"把什么都塞进去"。

我见过一个客户，规规矩矩把公司介绍、产品手册、成立至今的大事记、团队合影说明、几份媒体报道全传了上去。过一阵来问效果，说 AI 引用还是很少。

问题就出在"塞"这个动作上。塞进去的量越大，AI 越难用——因为知识库的价值不在存量，在于每一条都能被准确匹配到一个具体问题上。一堆东西堆在一块，机器得在这堆里切出答案，切不出来就整块跳过。你写了五百页，如果其中四百页对不上任何问句，那它对 AI 来说等于四百页空白。

所以第一件事不是"整理"，是"删"。这跟直觉相反，但做过的人基本都认这个理。

二、"具体"这条最容易自己骗自己，把形容词换成数字就现原形

"具体"看着是废话，其实是最容易糊弄自己的一条。

判断方法很土：把句子里的形容词换成一个数字、一个区间、一个条件，替换不上去，就说明它不具体。

"效果好"——换成什么？好效果是多少？

"行业领先"——领先多少？按什么排？

"客户遍及全国"——哪些省？大客户还是小客户？

"工艺成熟稳定"——稳定跑了多少年？什么工况下？

这些句子读着都挺顺，放进官网也没人挑刺，但在 AI 那边的用途是零。因为用户真要问的时候，问的一定是具体的："我这个量级能不能做""大概多少钱""多久能出"。你给不出一句能直接对上这句话的东西，AI 就去别处找答案了。

我自己的规矩：每条准备入库的信息，都得能回答"多少、多久、什么条件下、跟什么比"。这四问里有一下答不上来，就回去补；补不上就别进。

三、"可核对"是及格线不是加分项，出处说不清的一律不进

这条最硬，也最容易被绕过。

我审稿的时候只看三件事：谁测的、什么时候测的、什么条件下测的。三件都能说清楚，才算可核对。缺一件，这条信息就带风险。

为什么这么严？因为 AI 引用信息的时候，它不会标注这条信息是什么时候的。用户在你的页面上看到一句"转化率提升明显"，他不知道你是什么时候测的、在什么条件下测的，只当这是现在的、普遍的事实。一旦追问一句"你这数据哪来的"，露馅的是你。

所以没出处的信息不是"差一点"，是不能进。这条没得商量。

顺带说一句，这儿的底线和上一篇一样：不许编数字。 没把握的写区间、写条件、写"我们遇到的客户里大概是什么情况"，都比造一个看起来精确的假数强。编一次、被追问一次，可信度基本就完了。

四、"被问得到"这条一次能砍掉一半内容，去客户嘴里掏问句

前两条是查信息本身，这条是查外部：客户真的会用问句问这件事吗？

我判断的方式不是坐在办公室里想，而是去看三种现成的东西：客服和销售被问的问题记录、销售同事自己攒的常见疑问、竞争对手页面上的问答。这些都是真的问句，比任何内部讨论都准。

按这个标准过一遍，会砍掉很多"我觉得重要"的东西：

内部岗位设置的说明——没人会问你是哪个部门管什么的。

老板的奋斗史和创业心得——写得再真诚，也对不上用户脑子里任何一个具体问题。

我们拿过什么奖——除非用户真会问"这家靠谱吗"，那"成立几年、服务过多少家客户、覆盖多少行业"这种能当证据用的信息更实在。

这里我要说一句可能得罪人的话："我觉得重要"是知识库最大的敌人。 判断重要不重要靠的是直觉，但 AI 判断的标准是能不能匹配上问句。这两个标准经常打架，输的都是前者。

五、三类信息我一般直接拦在门外

时效性极强的。 今天的价格表、这个月的排产表、这一批的库存、临时活动政策。这类东西今天写进去明天就错。比没有更糟的是，AI 引用过期信息时不会提示它过期了，用户拿着上个月的价格找上门，这个损失是实打实的。真有时效性的内容，就放在不参与检索的地方，别混进知识体系。

纯内部信息。 内部岗位职责、内部考核标准、客户名单里不能公开的那部分。不是不写，是写了也不能公开，那它就不属于公开知识体系。更麻烦的是混在一起：一份文档里既有问题又有内部标准，公开边界就说不清了，别人也没法判断哪部分能引用。宁可分成两份，内部那份放内网。

重复无增量的。 换个说法又把品牌故事讲一遍，这篇写"我们专注"，下一篇写"我们一直在专注"。在 AI 检索里噪音比增量更伤——同一件事在站点里出现好几个版本，机器反而判断不准该引哪个。同一件事留一条最完整的，其他删掉。

六、判断这活儿不是市场部一个人能干的，得有一线的人持续供料

做筛选最难的不是标准，是原料。

市场部写文案，不写参数就不知道参数的边界在哪；销售懂客户怎么问，但写不出完整的一句话；技术知道东西怎么工作，但懒得整理成文字。所以这事得凑起来干：一线和销售提供原料、校验事实，市场部做整理和统一口径。

然后是维护。知识体系最常见的死法是三个月没人更新，价格还是旧的、型号还是旧的、边界条件已经变了。这种情况下它比没有更糟，因为过期信息会被当真。所以我建议给每条信息挂一个负责人和一个复查时间，到期重看一遍——这比多写一百页管用。

判断本身最好也有硬标准，别靠"我觉得"。最土但最有效的办法是打个分：具体不具体（是/否）、能不能说清出处（是/否）、有没有对应的真实问句（是/否）。三个是就进，两个是先放候选，三个否直接删。有标准才吵得起来，没标准就变成谁声音大谁有理。

七、这套筛法什么时候不适用，得说清楚

不是所有企业都该把精力花在这儿，下面几种情况我建议别筛。

你只做一两个 SKU，客户问两句就定了。这种情况下把同样的时间花在产品打磨和渠道上，回报高得多。

客户永远从熟人介绍来，从不做内容检索，也不问 AI。知识库建得再细，也没人引用。

你的决策周期特别长，客户要转两三轮才成交，而这几个月的问询本来就少。这种情况下知识库是沉没成本。

该不该做，有个粗糙但好用的办法：先去看销售同事最近被问的问题，有多少条是搜索或者 AI 能直接答的。答案是"基本没有"，那这套东西对你就是奢侈品。

说回开头那个问题

挑你知识库里最随便的一条，问自己一句：如果 AI 拿这条去回答一个用户的问题，它能回答得完整吗？ 答不上来就删。宁可少而准。

这套东西真的不新鲜。它本质上是常识——把话说明白，把能验证的说清楚，把没人问的别写。只是过去人写内容是给人看的，读者有耐心；现在你写的东西先被机器过一遍，它没那个耐心。

所以问题又回到了开头那一句：知识库整理了几百页够不够？数量从来不是答案。真正的问题是，你的知识库里有没有一条，能让 AI 拿去回答一个具体的人的具体问题。有一条，就够被引用一次；有三百条答不上的，也还是一条。

下一篇聊更麻烦的一半：哪些信息该藏，哪些反而应该主动拿出来。这个判断比"进不进"更难，因为它反着人的直觉走。

来源：闫宝龙|GEO优化专家、企业AI搜索增长顾问，专注帮助企业通过GEO优化和AI搜索优化获得精准客户。

本文链接：https://www.ybl.cn/post/46617.html