赵枰（枰先森）
工具装好了，为什么还是不懂你的业务？
如果你刚装好WorkBuddy，准备开始让它帮你工作，我建议先做一件事：搭建自己的知识库。
你让AI写文案、做方案，如果没有提供自己的业务资料，它很难知道哪些案例可以用、客户关心什么、你习惯怎样表达。答案可能很完整，拿回来却还要改很多遍。
把已经确认的案例、文档、方法和客户问题整理好，AI处理任务时就能多一层业务依据。我希望留下的，正是自己这些年形成的经验，而不只是一个又一个临时答案。
从一件工作开始，先得到能够检查的结果
很多人学习AI，收藏了模型、工具和提示词，工作却没有多少改变。我更愿意先选一件经常要做的事，把它需要的资料整理出来，再请AI试着完成。
我自己会把过去的短视频文案、客户画像和表达要求放在一起，让AI据此起草口播稿。拿到稿子后，再看有没有说错业务、是否符合我的表达、哪些部分需要重新写。
这类尝试的价值，在于你马上有一份可以对照的结果。知识库是否有用，先看它能不能帮助这项工作少一些反复解释，别急着追求资料数量。
搭建企业AI知识库，可以分四步做
第一步，确定资料放在哪里。在电脑建立一个工作文件夹，或使用已有的云端资料库，把这项任务需要的文件集中起来。使用WorkBuddy时，按当前版本提供的工作空间或资料库入口接入文件；云端材料是否能读取，要看连接器和授权是否已经配置。
第二步，说明你做什么业务、希望AI解决什么问题，让它先提出整理方案。可以把素材、知识卡片、个人档案和工作规则分开保存：素材保留原文，卡片提炼要点，档案说明业务背景，规则说明交付要求。
第三步，逐步补入资料。文档、自己的文章、经过确认的会议记录、可使用的客户案例，都可以成为材料。每张卡片保留出处、日期和适用条件；涉及客户与员工的信息，按授权范围使用，必要时先去掉身份和联系方式。
第四步，用实际任务检验，并把经过判断的反馈补回来。比如AI起草了一条口播稿，发布后观众反复追问同一个问题，就把这个问题和你的回答整理进资料。下次创作时，它才有机会参考这份新增信息。
知识要积累，也要有人维护
我看重知识库的持续积累：一个典型客户问题、一份完成的项目总结、一次内容反馈，都可能成为下一次工作的参考。
不过，放进去的东西并不天然正确。过时的产品信息、尚未核实的会议结论、只适用于某个客户的处理办法，要分别标记。企业最好明确谁负责更新，旧版本怎样处理，重要判断由谁复核。
知识库为AI提供资料和上下文，不等同于训练模型，也不意味着它已经完全掌握公司的经验。使用时可以要求AI说明参考了哪份材料，资料不足时先列出问题，涉及价格、交期和交付承诺时交给负责人确认。
判断企业知识库建设有没有进展，可以看同类任务是不是少了背景补充、内容是否更准确、团队能否找到同一份有效资料。先把一件事做好，再扩大使用范围。
让资料、交付和团队学习一起进入业务
对中小实体企业AI整体落地来说，知识库常常是把经验接进AI的一步。销售问题可能同时涉及品牌表达、渠道政策、产品资料和仓储物流，把这些资料的关系理清，才更容易得到能用的回答。
尚易至尚科技集团已有13年辅导企业成长的积累，累计服务200多家企业成长，形成涵盖品牌、电商、新媒体、团队辅导、渠道与仓储物流的完整产业生态链。我，赵枰（枰先森），希望企业AI辅导从这些真实协作关系出发，让知识库与日常工作接得上。
在合作上，FDE企业AI落地应用工程师侧重资料接入、场景实现、系统集成与交付；FDC企业AI落地应用教练侧重AI企业内训、团队应用和复盘。把技术配置与企业AI陪跑结合，才能继续检查资料是否可靠、同事是否会用、AI应用落地是否解决了原来的问题。
今天可以先找一个工作文件夹，放入这项任务真正需要的几份材料，再让AI做一次。你对结果的修改，就是知识库下一步该补什么的线索。