我要投稿

大模型知识管理解决了25%的问题，有90%做知识管理都做错了

发布日期：2025-08-02 06:26:43 浏览次数： 1519

作者：OpenEngineeringCo3

微信搜一搜，关注“OpenEngineeringCo3”

一、历史

知识管理并不是一个新鲜的词，从上个世纪60年代左右就开始盛行。但是知识管理虽然每个人都知道，但是能够做好知识管理的却在少数。我接触知识管理在17年左右，陆陆续续通过几个事情了解知识管理。

第一个事情是服务某头部企业，该企业从80年代开始就在积累设备诊断知识库，企业有大量的历史诊断实例、标准。就算到今天来看，也没看到第二家企业有这么好的数据基础。

第二个事情是某日本装备制造公司，该企业在日本搭建了一个设备知识库，所有海外的人员都可以通过远程登陆的方式查询设备维修、安装调试等相关知识。在当时，该公司当时服务的收入大概是国内同类的头部企业服务收入的10倍。而当时对应的国内头部企业在SAP中的知识库几乎不可用。

第三是开始接触OPC UA信息模型，思考OPC UA与知识图谱建模的关系。

第四就是在某外企的研发部门，部门有一个专门的知识运营人员，定期要求每个小团队贡献一篇知识文档。

总的来讲，从知识管理可以分成几个大的阶段

第一个阶段可以理解成共享文件夹、企业网盘的形态。我还记得当时13年左右公司就搭建了共享的FTP服务器，可以在里面查询一些PPT材料、流程文档等等。

第二个阶段的形态可以理解为在网盘的基础上，增加一些结构化的内容以及流程管理，这类企业往往是OA的公司背景。

第三个阶段倾向于在第二阶段基础上，构建全文检索的能力，知识图谱的能，智能推荐的能力，融入了一些小模型的算法。

第四阶段即现在的大模型阶段，利用大模型实现语义搜索、隐含关系、知识生成等。

二、大模型解决了25%的问题

在历史的时间里，鲜有公司能够把知识管理做好我觉得主要是两方面的问题。一方面是成本问题，另一个是意愿问题。

知识管理的痛点：成本问题

在传统的知识管理中，不管是文档、图谱等，其实都是在管理显性知识。首先显性知识在整个企业知识的占比不会太高。大量的隐性知识仍然以各种形态存储在不同的介质中。所以，单纯的少量显性知识没办法提供太多的价值。另一方面，加工显性知识的成本太高，包括输出文档、对知识进行标签化处理、构建知识图谱等。这些工作耗时耗力，而且往往做到一定的规模以后，标签体系、图谱实体会处于混乱状态，即使企业有意愿也无法持续的做迭代。

其次，在知识应用过程中，往往都是人找知识。一旦有海量的知识数据以后，寻找知识成为了一个特别大的问题。我们有网盘的同学可能都有这个感受。即使是个人网盘，里面的数据一旦多了之后寻找起来都是非常困难的事情。

大模型for知识管理，解决成本问题

到了大模型时代，从某种角度上来讲，可以减少知识构建的成本以及知识应用的成本。在知识构建过程中，一方面通过大模型去做传统的NLP任务，可以实现实体抽取、关系抽取、实体补全等等显性知识构建的成本。另一方面，也可以通过语义搜索、或者同大模型训练过程中构建的背后影藏关系实现知识的模糊关联。虽然这种关联关系不像是图谱或者知识双链那样是人为构建的。但是这种差不多的关系对于寻找知识却非常有用。如果对于答案要求不是非常的精确，这种关系完全够用。

同时大模型在知识应用过程也加速了知识的获取能力，以搜索和大模型对比为例。在传统的搜索方式获取知识的过程中，需要反复尝试搜索的关键词以及针对搜索的内容返回的多个内容进行详细阅读，最后自己总结出来相关的知识。而大模型不仅仅可以匹配更模糊的搜索输入，还可以更精准的搜索相关内容，最后还可以按照一定的逻辑总结内容。例如查询两个概念的定义、区别、关系、历史等，大模型都是很好的胜任工作。对于不了解这些概念的人通过大模型第一次的返回结果要比自己去找答案快上数百倍。而对概念准确度的把握可能比70%以上的人都要更准确。

当然，同时，大家也不要期望大模型能做更多的事情。按照DIKW理论，目前大模型虽然在K（知识）层有较好的表现。但是大模型也仅仅能够做到如如此。如果你询问大模型相关概念的定义与关系，你对答案往往是满意的。但是如果你希望大模型给你一些决策建议，那么大概率你会不太满意。

如何解决意愿问题

大模型能够解决一部分知识构建、知识应用的成本，我姑且解决了成本的50%，也就是知识管理整体的25%问题。剩下的50%问题我认为在于个人分享知识的意愿。我给出几个我看到的例子来说明这个问题。

第一个是个人体验，在前面说的公司强制要求定期贡献知识的时候，大部分人是被动的，把知识分享当做一个被动的任务，一个额外的工作。反而是我在互联网公司的时候，大家习惯了用在线文档，所以文档的存储天然就在“线上”，不需要额外的让大家单独去梳理。而且个人文档的共享数量、查看数量、引用数量、收藏数量每个月都有汇总。在没有强制的前提下反而激发了大家写文档的热情。

第二个是一些某国央企的老专家，退休后把电脑里面内容全部拷贝出去，在他的理念里面，这些数据都是自己的核心资产。而该央企的领导感叹，这些专家近两年会面临集中的退休潮，公司产品质量未来几年恐面临断崖式下跌的风险。所以该企业努力利用最后这段时间，狠抓各类SOP的梳理，希望尽量把工艺规范化。第二种情况在一些专家特别多的行业并不少见，例如在医院、学校（特指985）.这并不是谁对谁错的问题。我个人理解这里面应该有一个机制去保障个人与公司的诉求。

解决贡献意愿的知识管控平台构思

针对不愿意分享这个世纪难题，虽然在线文档和一些指标的运营可以起到一定的作用。但是我认为还是没有从最底层去解决这个问题。

我有个初步的构思，大概是这样的。

第一，需要一套私有化、和公有云能够账号同步、数据同步的知识管理系统。私有化到企业的数据可以传到云端的个人账号。个人账号的数据也可以传到企业账号。账号的权限体系可参考钉钉和飞书的逻辑。即个人账号与公司账号独立，个人通过加入不同的公司账号的形式与公司数据产生关系。

第二、公司内部分享给个人可在现有的权限基础上增加是否允许将数据同步到个人账号或者导出的功能。确保公司数据资源可控并且保留个人转移知识的通道。而个人也可以先在个人账号构建知识，然后转移到企业账号，从而实现个人对企业的知识共享。

第三、针对个人知识重点是需要打通抖音、小红书、公众号、知乎等知识付费平台，鼓励个人利用大模型创建聊天机器人、数字分身等。让个人知识库能够实现变现。

第四：不管个人知识库、还是企业知识库，不应该仅仅考虑文档的管理，要构建多种形式的知识维护能力，特别是在线文档、B站视频收藏、微信公众号文章搜藏等一系列的体系。

第五：私有化的ToB的知识库和公有云的ToC的知识库为同一个运营团队负责。

三、大部分人做错了知识管理

除开前面的理想状态，目前还有大量的人做知识管理存在以下误区

错误1、为了大模型做知识管理

企业目前做知识库并不是源于自己有知识管理需求，仅仅是因为大模型太火，而且大模型在企业主要的落脚点在于做基于RAG的知识库应用。所以大量的企业为了大模型而做知识库。把知识库做成了一个向量数据库。不涉及任何的在线文档、知识治理、知识运营的工作。