第 2 课 · 知识库实战：从散乱资料到可检索资产（学员手册）

文件路径：/Users/apple/Documents/4.0 Sanyuan/2.4 环境公益"新"力量/course/part-02-knowledge-base/README.md

时长 120 分钟　|　课后产出：个人层 + 组织层知识库上线，命中率达标

前置：完成第 1 课「技能构建」，手上至少有 1 个跑通的文书技能。

一、这节课要解决什么

调研显示，约 50% 的环境公益机构把「资料散落各处、过往案例难以复用」列为最大痛点之一。团队换人、项目结项、资助方更替——每次都要从头找文件、翻聊天记录、问老同事。

第 1 课解决了「怎么做」（技能），但技能要答得准，必须有机构自己的资料支撑。第 2 课就从这里切入：把散落在云盘、微信、邮件附件里的项目档案、资助指南、历年案例，整理成 AI 能准确检索的知识库。

一句话：技能知道「怎么做」，知识库提供「弹药」。

二、学习线路：7 步走完一轮知识库

这节课按「先想清楚，再动工具」来学：

三、第一步：先分清知识库 vs 技能

它们不是竞争关系，而是搭档：技能定义「怎么做」，知识库储备「做事素材」——第 3 课把二者编排进同一个 AI 智能体。

四、第二步：先定范围和 10 个测试问题

调研数据告诉我们，学员最需要的五类知识库内容（按「有用」评分排序）：

先建评分最高、与你立项书最相关的 1-2 类。不要先问“我要用哪个工具”，先问：

我的项目助理未来最常被问哪 10 个问题？
这些问题的答案应该来自哪些资料？
这些资料是否真实存在、可用、可上云？

五、第三步：数据合规 4 档

把资料喂给 AI 之前，必须先分级。4 档从松到严：

红线：受益人、志愿者、捐赠人的姓名与联系方式，输出前一律脱敏（姓名→A/B，删除手机/证件号）。拿不准时，宁可不放。

六、第四步：把资料整理成 AI 能检索的形态

知识库不是把文件堆进系统，而是把资料整理成机器更容易理解、引用和审核的知识条目。本课采用 LLM-wiki 的逻辑：每一份重要资料都尽量清洗成“frontmatter + 正文”的结构。

6.1 LLM-wiki 条目的基本形态

frontmatter 是放在 Markdown 文件最前面的结构化信息，用来说明这份知识是什么、从哪里来、能被谁使用、适合回答什么问题。正文保留事实、流程、案例和可复用表述。

---
doc_title: 2024 清河巡护项目结项报告
doc_type: 结项报告
project_name: 清河巡护项目
year: 2024
module: M1 文书
topic_tags:
  - 河流保护
  - 志愿者管理
privacy_level: L2
audience_scope: 内部同事可问
retrieval_hint: 事实查找
source_owner: 项目部
last_reviewed_at: 2026-06-10
source_path: 云盘/项目档案/2024清河
canonical_questions:
  - 2024 清河项目开展了多少次巡护？
summary: 记录 2024 年清河巡护项目的活动、产出、成效和反思。
---

最低要求：

6.2 前处理的 5 个动作

课堂建议使用一个固定清洗提示词：

请把下面资料整理成适合进入知识库的 LLM-wiki 条目：
1. 删除重复、噪音和与正文无关的内容；
2. 识别并标注可能需要脱敏的信息；
3. 生成 Markdown 正文，保留事实、数据、流程、案例和原始表述；
4. 在开头生成 YAML frontmatter，至少包含 doc_title、doc_type、privacy_level、topic_tags、retrieval_hint、canonical_questions、summary；
5. 如果资料不适合进入组织知识库，请说明原因。

6.3 三类核心材料

6.4 不同文件类型怎么处理

七、第五步：工具落位，而不是工具先行

本课不把「工具功能」当主线，而是按使用场景分层。课程口径先抽象成两类能力：知识库负责让资料可检索、可引用；工作台负责把知识带入具体任务。

已分级、已清洗、已补 frontmatter 的资料
  → 个人知识库：个人收纳、阅读、初步萃取
  → 工作台：个人任务执行
  → Agent平台：组织层知识库 + 项目助理
  → 高阶 RAG：检索策略、切片、frontmatter / metadata、评测

八、第六步：先跑 10 问命中率，再讲检索原理

知识库建好后，测试「问 10 个真实问题，AI 答对几个」——这就是命中率。

九、第七步：把检索模式当作诊断工具

只有当 10 问测试暴露问题后，再讲向量、全文、混合检索。这样学员会知道这些概念是在解决什么问题。

答不好时，按这个顺序排查：

答不好
├── 资料不存在 → 补资料
├── 资料存在但没找到 → 改切片 / frontmatter / metadata / 检索模式
└── 找到了但写不好 → 回第 1 课改 Skill 输出契约 / Gotchas

口诀：先看资料，再看检索，最后看生成。

十、课堂练习（60 分钟）

练习进度：
- [ ] Step 1 选材料：从三类中选 1 类，找出 5–10 份真实文档
- [ ] Step 2 分级：逐份标注 L1–L4，L4 直接剔除
- [ ] Step 3 清洗：用 LLM-wiki 提示词去噪、脱敏、结构化
- [ ] Step 4 补 frontmatter：写 doc_type、privacy_level、retrieval_hint、canonical_questions
- [ ] Step 5 放工具：L1/L2 进 Agent平台，L3 留在个人知识库 + 工作台
- [ ] Step 6 测试命中率：问 10 个真实问题，记录答对几个
- [ ] Step 7 诊断 + 改进：先看资料，再看检索，最后看生成

十一、课后作业（分层）

下课带走一句话：「我的知识库现在有 ___ 份文档，命中率从 ___% 提升到了 ___%。」

十二、配套模板与工具讲义

十三、和前后课的衔接

下课前，请把本课的知识库范围、合规分级、frontmatter / metadata、10 问命中率和检索参数填入 第 2 → 第 3 课交接包。第 3 课会直接用它来挂载知识库和建立项目助理测试问题。

十四、下一课预告

技能知道「怎么做」，知识库提供了「弹药」——下一步，把它们编排成一个完整的项目助理。第 3 课《AI智能体组装》教你把多个技能和知识库挂到同一个智能体上，让它根据用户意图自动选技能、查知识库、给出回答。