企业做 AI 知识库，先盘点哪些资料：一份可填写的台账

企业做 AI 知识库，先盘点资料由谁负责、哪个版本有效、谁能访问，以及是否能被正确提取，再决定导入顺序。不是把共享盘全部上传就完成准备。资料台账适合业务负责人、资料管理员与实施团队共同填写，它管理知识源，不代替平台里的用户权限。

先从任务反推资料范围

假设首期要回答设备借用、售后受理与报销流程，就先找支持这三类任务的批准文件。不要因资料“看起来可能有用”就把所有历史方案、私人笔记和未发布草稿混在一起。范围越清楚，后面越容易知道答案缺失究竟是没有资料，还是解析与检索出了问题。

资料来源可以包括制度文档、手册、表格、FAQ和经过批准的网页。先记录业务对象与来源位置，再决定文件如何复制。共享盘路径可能暴露内部名称，公开交付或沟通材料应使用脱敏标识；真实台账由有权限的人维护，不应把完整内部目录发给无关人员。

下载资料台账CSV。三条合成记录包括电子制度、扫描手册和产品表格，责任人使用角色名。实际填写时换成可以找到的负责人，并补上批准依据、访问范围和下一步处理，不要保留无法执行的“相关部门”。

给每份资料稳定编号，名称变化时也能追踪。版本字段记录文件内容版本，生效日期记录业务适用时间，上传日期另列，不能混用。批准状态分现行、待确认、已失效等，具体枚举由项目确定。责任人负责解释内容有效性，实施人员负责技术处理状态，两种职责不要混成一个字段。

访问范围可以写公开、内部全员、指定岗位或限定项目，并注明判断依据。仅在台账里写“主管可见”，不会让平台自动执行；后续要把这个范围映射到真实身份与检索边界。资料缺少所有者或有效性依据时，先进入待确认区，不与批准资料一起正式回答。

处理状态记录未抽样、可直接解析、需OCR、需表格展开、需图文说明、已核对、已导入等。状态最好指向具体证据，例如抽检记录或解析文件。用“已整理”概括所有环节，容易掩盖扫描质量差或引用位置丢失的问题。

Dify 官方元数据文档说明元数据可以描述来源等属性，并区分字段与文档上的值。采用该平台时，可核对目标版本怎样映射台账；本文的CSV本身并不是平台导入格式，也不承诺上传后自动产生同样字段与权限。

每类资料抽取代表性页面或记录，看文字能否读出、表格关系是否完整、图片是否承担关键说明、附件引用能否定位。抽样结果不只记“能打开”，而要记录一个真实问题能否回到原文。例如设备维护手册若关键结论全在示意图中，只有正文提取成功仍不算可直接用。

合成台账里，电子借用制度可先验证标题和版本；扫描手册要检查设备编号、数值和否定词；产品表格要检查合并单元格与单位。三个问题的处理路径不同，不宜按文件扩展名一刀切。批量导入前先处理高风险且高使用频次资料，可以减少后续重复返工。

同名文件先比较版本与内容，改名文件可比较摘要，轻微改版由资料所有者判断是否替代。不能只按修改时间自动保留最新文件，因为复制操作也可能改变时间。冲突资料标出冲突点与决策人，开发团队不应自行选择业务规则。

缺少某类依据时，明确写进“未覆盖问题”。比如没有退换例外规则，就让对应问题转人工，而不是让模型从历史聊天推断。台账也可以记录业务需要但尚无正式资料的主题，为后续编写FAQ提供清单；这些主题在批准前不属于可用知识源。

导入后补充知识库标识、解析批次、检索验证日期与问题样例。资料更新时保留替代关系，检查原文、索引与引用是否同步；资料停用时记录停止参与检索的证据。台账因此成为资料生命周期入口，而不只是上线前的一次盘点。

常见失败是所有资料都标“已导入”，但无人负责复核有效性。可以按资料类型指定复核触发条件，例如制度修订或产品停用，由所有者通知维护方。频率按业务实际制定，不在没有依据时承诺一套统一周期。

文档处理方法可看扫描件与老文档预处理，整体任务见文档与数据处理专题。可在联系入口提供脱敏资料清单和首期问题，讨论资料分批、处理与定制知识库范围。