相关文章
569 篇高质量内容
企业AI知识库能做什么？六个已验证场景
企业AI知识库远非简单的文档搜索，它能实现从智能解析到辅助决策的六大核心场景，真正成为企业的智能助手。 核心内容： 1. AI知识库的三大基础能力：文档自动解析、知识图谱构建与语义检索 2. AI知识库的核心价值：RAG直接问答与知识持续智能运营 3. AI知识库的进阶应用：基于历史数据进行预测分析与内容生成
我让 AI 替我养了半年个人知识库,然后 Google 发布了 OKF——把我瞎摸出来的那套,写成了规范
我让AI养了半年知识库，Google新发布的OKF规范竟与我瞎摸出来的结构惊人一致。 核心内容： 1. 个人知识库的自动化构建与运行机制 2. 与Google OKF规范的关键契合点与差异 3. AI时代个人知识管理的核心范式转变
做知识管理，就记住这三句话
告别无效整理，让知识真正为你所用。以项目、任务、成果为核心，重塑知识管理逻辑。 核心内容： 1. 传统知识管理的常见误区与痛点 2. 以项目为中心，让知识回归现实上下文 3. 以任务为驱动，连接知识与具体行动
Google 把「让 LLM 维护知识库」写成了规范：我照这个思路跑了半年
让LLM成为永不疲倦的知识管家，Google的OKF规范为个人知识管理提供了标准化的解决思路。 核心内容： 1. 个人知识库荒废的核心痛点与LLM的天然优势 2. Google OKF规范如何标准化“人机共读”的知识格式 3. 结合OKF标准，实践LLM作为wiki代理的半年经验与评估
Google 发布 OKF：AI 知识库的开放格式来了
Google发布开放知识格式OKF，为AI时代的知识管理提供统一、可迁移的解决方案。 核心内容： 1. OKF的核心定位与设计理念 2. 当前知识管理工具的痛点与OKF的解决之道 3. OKF v0.1版本的核心规范解析
用 Obsidian 和 Codex 搭建自生长知识库：从收集、整理到输出的完整流程
告别笔记收藏夹，用 Obsidian + Codex 打造一个能自我生长、直接输出的智能知识循环系统。 核心内容： 1. 传统知识库的局限与自生长系统的循环理念 2. 利用AI实现从原始资料到结构化知识的自动化处理流程 3. 将沉淀的方法论转化为可复用的技能并直接生成各类成果
从知识沉淀到 AI 执行：一次本地知识库工作流的 Harness 实践
从知识沉淀到AI执行：本文记录本地知识库工作流实践，通过工程化方法将分散资料转化为AI可调用、可验证的知识底座。 核心内容： 1. 传统资料管理的痛点与核心矛盾 2. 统一治理的七项关键问题与解决方案 3. KBFlow知识库的工程化架构与工作流闭环
我又把 Obsidian 知识库升级了：现在它能自己长出知识网络
作者将知识库从“存资料”升级为“长知识”，通过智能拆解文章自动构建互相关联的知识网络。 核心内容： 1. 传统知识库的局限与本次升级的核心目标 2. 实现知识自动关联的Hermes-Wiki系统架构 3. 不同节点类型的划分原则与实际应用
写个 Hook 截胡大模型：将零散的 AI 对话重塑为本地知识资产
让零散 AI 对话成为可复用的知识库，告别重复劳动与灵感流失。 核心内容： 1. 多任务处理下AI对话的痛点与价值浪费 2. 设计本地会话存储方案的关键考量 3. 基于SQLite实现高效存储与检索的具体结构
为什么90%的企业AI知识库，最后都变成了摆设？——企业智能知识中台的架构逻辑与方法论转变
企业知识管理正从"数据存管"转向"智能应用"，为何多数AI知识库沦为摆设？本文揭示知识中台的架构逻辑与方法论转变。 核心内容： 1. 从"向数据要产出"到"向知识要价值"的范式转移 2. 企业知识的三种"沉睡"状态与整合挑战 3. 大厂方案的局限与智能知识中台的构建逻辑
从个人提效到组织自进化：前微软产品负责人许建志，带你拆解“AI原生公司”的落地闭环
AI原生公司如何从个人提效迈向组织自进化？前微软产品负责人许建志为你拆解从知识到代码的持续闭环。 核心内容： 1. 传统企业与AI原生公司在知识管理上的本质差异 2. 构建“企业知识中枢”与Agent协同的自进化闭环 3. 从微软系统方法论到创业实践的完整落地路径
知识本体-构建基于LLM-Wiki的大模型知识库
探索知识本体的核心价值，构建基于场景驱动的AI知识库，实现从概念到应用的智能闭环。 核心内容： 1. 知识本体的三层结构：场景、概念、实体的定义与关系 2. 基于历史资料的知识编译与场景建模方法 3. 知识库的可视化展示与标准写作流程应用
企业最值钱的知识，从来都没有被记录下来
那些最值钱的企业知识，往往只存在于人的记忆与直觉中，从未被系统记录。AI的失败，正是因为它缺少这些默会知识的“燃料”。 核心内容： 1. 默会知识的概念与在组织中的核心价值 2. 传统数字化工具对默会知识的记录困境与悖论 3. AI应用与未来组织如何捕获和利用默会知识
我把本地 Markdown 资料库，变成了一个会干活的 Agent 工作台
FlowMark Agent 让本地 Markdown 资料库“活”起来，直接帮你把文档变成汇报、网页、任务清单等可交付成果。 核心内容： 1. 本地资料加工痛点：从“阅读”到“交付”的鸿沟 2. Agent 核心能力：上下文、记忆、历史与技能体系 3. 典型应用场景：摘要生成、内容转换与流程沉淀
YC 点名 Company Brain：企业做 AI，先要补一套会工作的组织记忆
让AI从“会回答”到“会做事”，关键在于构建一个能理解组织隐性规则的“公司脑”。 核心内容： 1. AI自动化公司面临的核心瓶颈：领域知识的缺失与分散 2. 构建“公司脑”的关键：将分散知识结构化，转化为可执行的技能 3. GBrain的实践：作为AI Agent的“脑层”，将组织记忆转化为工作台
② 老板花了50万建知识库，最后只用了5万的功能
老板花50万建知识库，却只用了5万的功能，这背后是企业数字化中常见的“过度建设”陷阱。 核心内容： 1. 企业知识库“过度建设”的典型案例与成本分析 2. “最小可行知识库”的核心三流程与验证指标 3. 从实际需求出发，避免被供应商功能演示误导
AI研发自动化：Wiki知识库+技能包
AI研发自动化新思路：LLM-Wiki知识库让AI成为“全职编辑”，将知识沉淀为可生长的资产，推动研发流程全自动化。 核心内容： 1. LLM-Wiki知识库的核心思想与架构层次 2. 知识库的三种核心操作：摄入、查询与巡检 3. 实现全自动研发流程的最终目标与团队应用
如无必要勿增实体：我放弃了LLM Wiki，用Claude极简重构个人知识库
用Claude重构个人知识库，体验极简工作流，告别信息混乱。 核心内容： 1. 从多平台到单一主源的知识管理新思路 2. 基于具体项目逐步构建知识框架的实践流程 3. 分清“我做的”与“我参考的”关键踩坑经验
① 我帮10家公司盘过知识库，9家第一步就错了
先别急着买系统，企业知识库的第一步，是盘点清楚你的知识到底在哪、什么状态。 核心内容： 1. 多数企业建知识库的常见误区 2. 一个真实制造业公司的知识盘点案例 3. 知识盘点的正确步骤与方法论
知识库，从"什么都答不上来"到"全公司都在用"
这篇文章分享了如何将AI知识库从“什么都答不上来”打造成“全公司都在用”的实用经验，核心是五个非技术性的关键步骤。 核心内容： 1. 数据清洗：清理过期、矛盾与无用的文档 2. 优化理解：按语义单元切分文档，提升检索精度 3. 规范回答：约束AI基于知识回答，避免幻觉并标注来源