FDE 企业 AI 落地与交付 · 企业知识治理 · 2026-07-16

当我们谈论知识工程时,我们到底在谈论什么?

知识工程远不止文档上传与检索,它关乎组织核心经验的系统化与工程化。 核心内容:

  1. 澄清知识工程与RAG、知识库等常见概念的混淆
  2. 剖析“知识”的两种核心形态与“工程”的稳定标准
  3. 探讨如何将隐性知识转化为可复用的组织能力

这两年,企业谈人工智能,越来越绕不开"知识工程"。

有人说要做 RAG,有人说要建企业级知识库,有人重新谈起知识图谱,也有人希望把数据治理、模型训练和智能体平台都纳入其中。

这些说法似乎都对。但如果继续追问一句:知识工程到底是什么?答案往往开始变得模糊。

很多企业所谓的知识工程,实际上是把文档上传到平台,进行切片、向量化和语义检索,再接入一个大模型。这当然有价值。但它更多解决的是"如何找到一段相关内容",还不是完整意义上的知识工程。

RAG 是一种知识调用方式,向量数据库是一种检索工具,知识图谱是一种知识组织形式,企业知识库是一种知识载体。

它们都属于知识工程,但都不等于知识工程本身。甚至可以说,大家对"知识工程"理解不一致这件事,本身就是一个知识工程问题。同一个概念,缺乏清晰的定义、统一的语义和持续的维护,于是每个人都基于自己的经验形成了不同理解。

所以,在谈论 RAG、知识库和智能体之前,我们不妨先回到两个更基本的问题:

什么是知识?什么是工程?

知识不是文档,而是对世界的理解

知识,是人类在认识世界、解释世界和改造世界的过程中,对事物、规律、方法和经验形成的理解。

它可以写在制度文件里,也可以藏在专家的大脑中。可以表现为一套业务规则,也可以表现为一次成功案例背后的判断。

一名优秀客户经理为什么能迅速识别客户的真实需求?一名审查人员为什么会对某笔业务产生风险警觉?一个管理者为什么能判断团队当前真正的问题在哪里?

这些往往没有完整写进制度,却真实地影响着工作结果。

知识通常有两种形态:

企业里真正稀缺的知识,很多时候并不在知识库中,而在少数专家头脑里。

所以,知识工程首先不是"把文件搬进系统",而是要把组织已经拥有、却没有被清晰表达的经验和认知重新发现出来。

知识不是信息的堆积

我们可以借用一个简单的例子。

"38"只是一个数字。

"今天气温是 38 摄氏度",是一条信息。

"持续高温会增加中暑风险",是知识。

"结合身体状况、时间和活动强度,决定取消户外运动",则是运用知识解决问题的能力。

数据告诉我们发生了什么,知识帮助我们理解这意味着什么,而真正的智慧,则体现在接下来应该怎么做。

这也是为什么文档很多,并不代表知识很多。企业可能积累了几万份制度、报告和会议材料,但如果其中存在大量重复、冲突、过期和失效内容,这些材料并不会自动转化为组织能力。

信息只有经过选择、理解、抽象、组织和验证,才会成为知识。

工程意味着稳定、标准和可重复

再来看"工程"这个词。

工程不是做出一个演示,也不是偶尔得到一个正确答案。

工程意味着在给定的资源、成本、时间、安全和质量约束下,能够稳定地解决现实问题。

它必须回答:

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhishiguanli/2026071662830.html