你有没有过这种经历。
企业动手之前，这三个问题得先答得上来：
- 你的数据放在哪？是统一一个接口就能调，还是散在各个部门的电脑和企业网盘里？
- 你的数据干不干净？同一个产品，销售部、采购部、运营部叫法都不一样——那 AI 以谁为准？
- 你的数据是活的吗？是大家都能读到最新的，还是每天都得有人手动导出、复制、粘贴？
这三个问题答不上来，先别全员上 AI。
六、知识库到底装什么
这个问题最实在。我见过太多公司，共享盘里躺着几千个文件，真要用的时候一个都找不到。简单说，往共享盘里扔一堆文件，那不叫知识库。
要装三层。
第一层，行业经验。 就是你公司老师傅脑子里的东西。销冠怎么跟单？客户问到什么程度才该报价？什么样的客户值得追、什么样的就是来白嫖的？新人前三个月最容易在哪犯错？
这些东西百度上搜不到，但它们才是公司最值钱的资产。
老实说，很多老板说自己公司没数据。错了——你不是没数据，你是没把数据从人脑子里拿出来。
第二层，客户语言。 客户说"我再考虑考虑"，他是真在考虑吗？未必，很多时候他只是还没找到下决定的理由。客户说"你们太贵了"，他真嫌贵吗？也不见得，他真正想问的是"你凭什么比别人贵"。
这些话背后的真实意思藏在哪？就在你们每天的微信聊天、电话录音、成交记录、流失记录里。换句话说，客户嘴上说的和心里想的，经常不是一回事。
其实这事不难。举个例子：让 AI 读 100 条成交记录，再读 100 条流失记录，规律自己就浮出来了——成交客户通常在第一次沟通会问什么？流失客户通常在哪句话之后开始不回复？
第三层，业务规矩。 前两层解决 AI 懂不懂行业、懂不懂客户，这一层解决它听不听你的话。不给流程，它就自由发挥——客户一问，它想到哪说到哪；销售一报价，它乱给承诺。这在生意上很危险。其实这一层最容易被跳过。
这里有个细节特别关键：
给人看的 SOP，可以写得模糊一点，因为人会自己理解。但给 AI 执行的 SOP，必须具体到动作。
你写"语气要热情"，没用。你得写：第一句话必须称呼客户名字；回复不超过三段；客户问价格之前，必须先确认预算和使用场景。
要建三个库。
• 文档库：工作手册、标准流程、产品资料、公司介绍这类。特点是静态、非结构化，AI 读起来相对费劲。
• 数据库：财务数据加业务数据。一笔钱进来，前面一定对应一个动作——是销售的什么行为、运营的什么操作。这些东西要能存进表格里。
• 萃取库：最容易被忽略的一个。案例、老板的核心业务判断，这些是能结构化的——一条案例是一条、一条判断是一条。结构化之后，AI 用起来最顺手。
还有个实操细节，很多人不知道。
Anthropic 公开过一个小技巧，叫"上下文检索"。做法很简单：文档切片之后，先让模型给每个片段写一两句说明——这段在讲什么、属于原文哪个部分——再把这段说明跟片段一起存进去。
就这么一步，检索失败率降低了 49%。
道理不难理解：一段话从原文里切出来，就失去了上下文。像"第 3 条的要求"这种表述，单独拿出来毫无意义。补上这句说明，AI 才知道它到底在说什么。
Anthropic 还给了另两条建议：别在开头把所有资料预加载进去，保留轻量索引、按需取；长任务要做压缩和结构化笔记，别指望一个窗口装下所有历史。
这两条建议，其实跟前面 Chroma 那份研究的结论是同一个方向。我给它的总结就一句话——关键不是给多少，是给对的那一点。
说到底
AI 时代拉开差距的，可能不再是谁用了 AI，而是谁先把 AI 接进了自己的信息流和业务里。
模型谁都能买，工具谁都能装。原来拉开差距的是谁的销售更能跑，现在拉开差距的，是你有没有把那些散落在人脑子、微信群、Excel 表里的东西，整理成 AI 能看懂的知识。
说到底，这件事没捷径，也不性感。但它是那个"1"，后面全是"0"。
我的建议只有一条：先别忙着买工具，花两周，把公司里那几件只有人知道、没有文字记录的事，写下来。
你公司里最该被留下来、现在却还锁在某个人脑子里的，是哪一样东西？评论区说说，我挑几个具体的聊聊怎么拆。