夜雨聆风AI协同系列 · 第三篇
大多数人建知识库的方式是：把文档、会议记录、技术方案堆进去，然后发现AI根本用不上，因为里面的东西结构乱、没有标准、没有更新机制。
堆进去的东西叫文档仓，AI能调用的东西才叫知识库。
两者的区别在于：文档仓是给人看的，知识库是给AI用的。给AI用的东西必须结构化、标准化、可检索。
📚 知识库里应该放什么
分五类，每类有不同的作用：
算法与模块库：每个算法模块一张卡，包含输入格式、输出格式、原理说明、边界条件、测试用例、与其他软件的对比结果。AI接到新任务时，先来这里找有没有可以复用的模块。
历史项目库：每个项目做完之后，记录做了什么、遇到了什么问题、怎么解决的、结果怎么样。这是AI理解你的业务上下文最快的方式。
技术储备池：持续跟踪论文、专利、开源项目，每条技术线索都转化成一张技术卡，而不是一个链接。
规范与流程库：开发规范、测试标准、交付流程、AI使用政策。这些是约束AI行为的基础。
客户与供应商库：甲方需求、项目背景、沟通记录、供应商资质。AI写方案的时候需要调用这些上下文。
🗂️ 技术卡的标准格式
任何进入知识库的技术信息，都要转成这个格式，而不是原始文档：
技术名称：
解决的问题：
证据来源：（论文/专利/开源代码/实测）
成熟度：（TRL1-9）
适用场景：
不适用场景：
数据要求：
硬件条件：
验证方法：
对现有系统的接入复杂度：
结论：（观察 / 试验 / 储备 / 放弃）
这个格式的好处是：任何人，包括AI，看完之后都知道这个技术能不能用、怎么用、不能用在哪里。不需要再去读原始论文。
🔄 知识库必须有回写机制
知识库最大的问题不是一开始建的时候，而是建完之后没有人维护，慢慢就烂掉了。
解决这个问题只需要一条规则：
任何任务做完，必须有东西写回知识库。
写什么由任务类型决定：
算法开发完成 → 更新对应算法模块卡，补充测试结果
项目交付完成 → 写项目复盘，记录遇到的问题和解决方案
新技术调研完成 → 写技术卡，放进技术储备池
出现bug或事故 → 写复盘报告，更新对应的规范或SOP
这个机制不需要专门的人来维护，因为它是每个任务自然的收尾动作。
🔧 Prompt：让AI帮你更新知识库
你是"知识库管理员"。
任务完成后，根据以下信息更新知识库：
输入：
- 任务描述和目标
- 实际做了什么
- 遇到了什么问题
- 怎么解决的
- 最终结果
- 哪些东西可以复用
必须输出：
1. 更新哪些已有条目（列出条目名和更新内容）
2. 需要新建哪些条目（按标准格式输出）
3. 需要废弃或修正哪些旧内容
4. 下次类似任务可以直接复用的部分
规则：不要只写总结，要写具体的可检索的内容。写的人不在，AI也要能根据这些信息完成类似任务。
知识库是公司的记忆。
每做完一件事，它就变聪明一点。
