Stanley Team

企业人工智能知识库分享

AI 知识库搭建：

助力内容营销与提效

● Stanley Team● 分享人：金尘马● 2026

Stanley Team

Speaker

金尘马

北京交通大学计算机硕士

前美团、阿里巴巴高级研发工程师

全网 4 万粉 AI 知识博主

主要方向：AI 内容创作工作流 / 个人与企业知识库搭建

Stanley Team

Path

今天的内容路径

现有问题

企业里的资料、经验和客户问题，为什么总是散落在不同人、不同工具、不同对话里。

解法框架

AI 知识库不是多存一堆文件，而是把知识整理成 AI 能调用、能输出、能服务业务的系统。

案例拆解

从个人知识库、团队经验沉淀、产品资料、客户问答到行业获客系统，看知识库怎么进入真实业务。

最小开始路径

不追求一步到位，先用最小目录、工具组合和提示词框架，跑通一个具体业务场景。

Stanley Team

Pain Points

这些场景，你公司里每天都在发生吗？

老板反复讲
员工下次还是不会用

老销售会成交
新人只能反复问人

客户问题重复出现
回答却不一致

资料、案例、方案都有
用的时候还是临时翻

会议、聊天、复盘很多
会后没有变成经验

内容团队每天都在发
但写不出企业自己的判断

企业手里其实有很多资料，只是还没有形成可管理、可查找、可复用、可更新的知识资产。

Stanley Team

Knowledge Asset Flywheel

理想状态：让资料变成持续流动的知识资产

自动沉淀

聊天、会议、文档、案例、客户问题持续进入系统。

结构化管理

按业务场景、客户问题、产品服务重新组织。

需要时找得到

不用临时翻资料、问老员工、重新整理。

找到后用得上

服务销售、客服、培训、内容生产等具体任务。

用完能更新

人的修改、反馈、复盘继续回到系统里。

关键在于让知识进入业务动作，反复被调用、被修正、被增强。

Stanley Team

Definition

什么是 AI 知识库？

AI 本身不天然懂你的企业

你的产品
你的客户
你的案例
你的话术
你的判断标准

知识库提供上下文

该参考什么资料
该使用什么口径
该复用什么经验
该遵守什么边界

AI 知识库 = 给 AI 提供企业专属上下文的系统

AI 输出质量 = 模型能力 × 上下文质量 × 任务约束

Stanley Team

Key Shift

知识从「被人查阅」到「被任务调用」

过去

人整理资料

人输入关键词

人阅读理解

人判断适不适用

人再改写输出

现在

任务提出需求

系统召回知识

AI 理解上下文

AI 生成业务输出

人判断反馈

过去的瓶颈

从资料到行动，中间全靠人。

现在的变化

AI 降低了查找、理解、转化成本。

知识只有在任务中被低成本调用，才真正产生价值。

Stanley Team

5 Implementations

AI 知识库的 5 种常见实现方式

1. 直接投喂型

把资料直接给 AI 读。适合临时分析、单次任务。

2. 目录化知识库

资料放进固定文件夹。Agent 按目录读取和更新。

3. 索引地图型

先建主题地图和资料入口，告诉 AI 先读哪里。

4. RAG / 向量检索型

Embedding + 向量库 + 语义检索。

5. 系统集成型

接入 CRM / 客服系统 / 数据库 / 权限 / 工作流。

数据，变得无比重要

Stanley Team

Business Actions

4 类应用场景：知识库要进入业务动作

案例 1｜个人知识库

载体：Codex + Obsidian

沉淀：笔记 / 日记 / 会议 / 阅读

输出：文章 / 方案 / 复盘 / 选题素材

案例 2｜业务资产库

载体：飞书文档 + 多维表格

沉淀：项目复盘 / SOP / 话术 / 数据

输出：选题 / 发布排期 / 线索 / 销售话术 / 项目复盘

案例 3｜问答资产库

载体：问答 Agent + 标准答案

沉淀：产品资料 / 真实问题 / 回答边界

输出：销售话术 / 客服回复 / 新人培训

案例 4｜获客知识库

载体：行业经验 / 服务参数 / AI 知识库平台

沉淀：案例 / 卖点 / 选题 / 数据反馈

输出：小红书笔记 / 公众号图文 / 私域营销文案等

从个人工作流，到团队资产系统，再到面向客户和市场的业务系统。

Stanley Team

案例 1｜个人 AI 知识库

个人知识库的核心，是把日常输入变成长期输出资产

适合

想持续成长的个人
自媒体博主
咨询顾问
老板个人
超级个体

沉淀

每天的想法
日记和复盘
会议记录
客户沟通
课程和阅读笔记

输出

文章
方案
复盘
客户跟进
选题和素材

把零散输入变成可持续调用的个人资产。

Stanley Team

案例 1｜个人 AI 知识库

个人知识库怎么被 Agent 用起来？

资料多少先放一边，先解决两件事：怎么组织，怎么调用。

资料组织方式

目录：按日记 / 会议 / 客户 / 项目 / 写作素材分类
标签：按人物 / 主题 / 场景 / 状态打标签
索引：建立主题地图和入口页
图谱：把人物、项目、概念、事件关联起来

Agent 调用方式

按路径读取：直接读取指定目录或文件
按关键词搜索：从文件名和正文里匹配关键词
按主题入口追踪：从索引页进入
按语义匹配：根据任务含义找到相关内容

CodexClaude CodeOpenClawHermesWorkBuddyTRAE定位资料 → 理解任务 → 处理信息 → 生成输出

Stanley Team

案例 1｜个人 AI 知识库

我的个人知识库如何跑起来

整理与执行工作流

Codex

目录与关系图谱

Obsidian

不到一年公众号原创推文 200+

4 个月社媒平台帖子 6000+ 条

Stanley Team

案例 2｜教培机构的业务资产知识库

把团队做过的有效经验，沉淀成下次能用的资产

经验还没有进入下次复用

老板改过很多文章，下一篇还是重新改
投放跑过数据，换渠道还是重新判断
销售高频沟通内容，还没有形成话术库
项目做出过结果，却没有变成团队流程

沉淀文件背后的判断

哪些内容能带来线索
哪些表达一看就是套话
家长反复咨询什么内容
什么数据说明项目值得继续投
哪一步可以做成 SOP

留下可复用资产

文章修改 → 写作偏好
项目复盘 → 方法论
投放数据 → 判断标准
客户问题 → 话术库
交付经验 → SOP

企业对内知识库的价值：让团队下次做同类事情时，不用从零开始。

Stanley Team

案例 2｜教培机构的业务资产知识库

用飞书文档 + 多维表格，搭轻量资产系统

飞书文档：沉淀判断

项目复盘 / SOP / 话术说明
课程服务 / 案例总结 / 内容审核边界
人工修改记录 → 写作偏好
脱敏规则 / 禁说内容 / 输出模板

多维表格：管理状态

选题与发布排期
线索承接话术库
项目复盘与资产沉淀
平台 / 阶段 / 标签 / 数据结构化

AI 调用：回到下一次执行

飞书文档提供经验和规则 → 多维表格提供状态和数据 → AI 生成选题、文案、回应和复盘建议。

Stanley Team

案例 2｜实际搭出来的样子

飞书多维表格：把线索承接话术变成可复用资产

Stanley Team

案例 2｜教培机构的业务资产知识库

一个项目跑完后，留下两类结果

别只留下一份数据汇报。更值得留下：看得见的业务结果，可复用的过程经验。

业务结果

十余个内容矩阵账号
累计发布数百篇内容
获得上千条用户线索
推动百余个体验动作
最终产生数十单成交
GMV 达到几十万级
整体成本控制在十万级以内
ROI 高于同期部分付费渠道

资产结果

项目复盘
发布 SOP
私域承接话术
选题标题模板
课程模块
客户案例
方法论模型

项目最大的浪费，是跑出结果以后没有沉淀。

Stanley Team

案例 3｜某个人健康产品企业的销售 / 客服问答库

把复杂产品资料，转成客户听得懂、员工答得稳的标准答案

这类企业的典型特点

产品线多
适用人群多
使用场景多
注意事项多
业务正在扩张
新人培训成本高
线下门店难扩张

企业按产品组织资料
用户按真实场景提问

高频咨询每天都在重复出现

销售答不稳
客服答不全
导购靠经验
新人总要问老员工
早期问题库更像参数清单，还不够贴近真实咨询

销售 / 客服问答库的本质，就是把产品知识翻译成真实咨询场景下的稳定回答。

Stanley Team

案例 3｜某个人健康产品企业的销售 / 客服问答库

从真实用户问题，到标准问答资产

先把高频问题做成可审核的标准答案，再让 AI 和员工共同调用。

1

采集真实用户之声

小红书 / 抖音 / 客服 / 门店 / 售后

2

高频高价值筛选

频率 × 价值，优先处理最值得回答的问题

3

设计真人感回答模板

不要冷冰冰，要像专业员工在解释

4

Agent 批量生成

产品信息 + 问题库 + 回答模板

5

审核后多场景使用

AI 客服 / 销售话术 / 新人培训 / 内容营销

真实问题 + 产品信息 + 回答模板 = 可审核、可导入、可复用的问答资产。

Stanley Team

案例展示

Stanley Team

案例 4｜本地服务企业的内容获客系统

把行业里跑通过的获客经验，做成可复制的知识库产品

企业变量

产品
城市
服务风格
成交案例
目标客群

系统输出

小红书选题
案例图文
视频号文案
公众号内容
私信回复
销售承接话术

这套系统的重点，是把企业自己的案例、服务能力和平台内容动作，持续放进获客流程。

Stanley Team

案例 4｜本地服务企业的内容获客系统

这套系统能复制，靠这三层结构

第一层：行业标准层

用户决策链 / 平台内容结构 / 常见决策顾虑 / 内容审核标准 / 什么内容接近咨询或成交

第二层：企业变量层

产品名称 / 服务城市 / 设计师风格 / 成交案例 / 价格区间 / 目标客群

第三层：数据反馈层

有没有咨询 / 有没有留资 / 有没有到店 / 有没有成交 / 哪些内容只有曝光 / 哪些内容值得继续做

AI 负责把重复生产变快，人和知识库负责判断什么内容真的有效。

Stanley Team

案例 4｜本地服务企业的内容获客系统

最终要搭出来的，是一套能持续获客的内容系统

内容能力

产品持续变成选题，案例持续变成图文，素材能复用到多个平台。

业务资产

产品库 / 案例库 / 风格库 / 客户问题库 / 私信承接话术 / 内容质检规则。

渠道获客资产

小红书选题、标题、封面方向和数据反馈，被沉淀成下一次可调用的经验。

核心在于把每个平台跑通过的选题、素材、话术和复盘方法沉淀下来。

Stanley Team

Starter Template

中小企业最小知识库目录模板

01_企业基础

公司介绍 / 品牌口径 / 客户画像 / 核心优势

02_产品服务

产品清单 / 服务流程 / 价格政策 / 常见限制

03_客户问题

高频问题 / 异议处理 / 成交话术 / 售后问题

04_案例素材

客户案例 / 项目复盘 / 效果反馈 / 真实对话

05_输出规则

文章模板 / 话术模板 / 禁说内容 / 审核清单

请你作为企业知识库整理助手，帮我整理当前文件夹里的资料。整理规则： 1. 先阅读所有原始资料 2. 按照 5 个目录判断每份资料应该归到哪里 3. 如果一份资料包含多个主题，拆成多个小文件 4. 每个文件开头补充：资料类型 / 适用场景 / 关键结论 / 注意事项 5. 不确定归类的内容，放到 00_待确认 6. 不要编造资料里没有的信息整理完成后，请输出：目录结构 / 每个目录放了哪些资料 / 哪些内容需要人工确认 / 下一步建议补充哪些资料

Stanley Team

Tools

用什么工具跑起来

选工具先看一件事：它能不能调用你的知识库目录。

能读取本地文件夹
能按目录查找资料
能理解你的整理规则
能生成或修改文件

CodexClaude CodeOpenClawHermesWorkBuddyTRAE

Stanley Team

Prompt Frameworks

3 个可以直接套用的知识库提示词框架

好用的知识库提示词，需要一套任务结构。

场景 1：销售问答

请基于知识库，帮我回答客户问题。先读取： 02_产品服务 / 03_客户问题 / 04_案例素材 / 05_输出规则客户问题：把客户原话粘贴到这里请输出：给客户的简洁回答 / 可以继续追问的问题 / 销售需要注意的点 / 参考了哪些资料要求：不编造产品能力 / 不承诺资料里没有的结果 / 不确定的地方标注待确认

场景 2：内容生产

请基于知识库，帮我生成一篇小红书内容。先读取： 01_企业基础 / 02_产品服务 / 03_客户问题 / 04_案例素材 / 05_输出规则内容主题：把产品、案例或客户问题写在这里请输出： 3 个标题 / 正文结构 / 完整正文 / 配图画面建议 / 参考了哪些资料要求：像企业自己的经验 / 不要写成通用科普 / 不要夸大效果

场景 3：新人培训

请基于知识库，帮我整理一份新人培训说明。先读取： 02_产品服务 / 03_客户问题 / 04_案例素材 / 05_输出规则培训主题：把要培训的业务动作写在这里请输出：核心概念 / 标准操作流程 / 常见错误 / 真实案例 / 考核问题要求：用新人能听懂的话解释 / 流程要具体到动作 / 不确定的内容标注待确认

Stanley Team

Next Step

先让 AI 在一个具体业务里，产生看得见的结果。

诊断

适合：还不知道从哪个场景启动

判断哪个业务场景最值得启动、现有资料够不够、知识库应该怎么整理、适合轻量方案还是 RAG 方案。

搭建

适合：已经有资料，希望尽快跑出结果

交付知识库目录结构、资料整理规则、Skill / 提示词框架、业务工作流、输出模板。

陪跑

适合：希望团队真的用起来

完成团队培训、真实任务演练、输出结果优化、反馈回流机制、持续迭代更新。

Stanley Team

感谢聆听

分享人：金尘马