很多团队的知识库都很壮观：文档几百篇，分类整整齐齐，真正被翻出来用的却屈指可数。问题不在存得少，在存的时候没想过怎么取。AI 能帮的忙很具体：按使用场景重排分类、找出缺适用前提的文档、标出可能过时的内容。但有个判断它替不了你——这份文档会在什么时候、被什么问题触发着需要，这个想不清楚，归类换多少种方式都白费。
沉淀没人用，卡在存和取两条线
按部门、按项目归档，看起来规整，但使用时你是带着一个问题去找的。分类逻辑和检索逻辑不一致，就会变成「知道有，但找不到」。存的时候按组织结构分，取的时候按问题场景找，两条线对不上，文档越多越难用。
一个简单的自检：随机挑五个同事最近真实遇到过的问题，看能不能在十分钟内找到对应文档。找不到的比例高过一半，说明分类该重排了。这个测试每季度做一次，比任何分类理论都直观。
按「会被什么问题触发」重新归类
更实用的分类方式是按使用场景：什么情况下会需要这份文档。新人入职时、客户投诉退款时、系统上线前——按触发场景归类，需要时一翻就到。触发场景还能直接当检索入口用，和「带着问题去找」的使用方式天然对齐。
给文档起标题也要为检索服务：标题里带上触发问题的关键词，而不是内部项目代号。给标题布局关键词的思路，和用 AI 写商品标题：关键词布局与平台规则里让标题被准确搜到的方法是同一套逻辑——先想别人会搜什么，再定标题怎么写。
每条知识写清适用场景和前提
一份文档不写适用前提，很容易被误用。写清「适用于什么情况、什么情况下不适用」，能省掉大量重复确认，这也是知识能不能被复用的关键。最低配置是三个字段：适用场景、不适用场景、更新日期，再加一个负责人。
这三个字段的价值在边界：知道什么时候不能用，文档才敢被大胆用。缺了边界说明的文档，用的人每次都要先找人确认，确认成本一高，大家就退回「直接问人」，文档就此闲置。
定期清理过时内容
知识库里最危险的不是缺失，是过时。一条过时的操作指引，比没有更糟——没有会去问，过时照着做，错了还不知道错在哪。清理机制三件套：更新日期、负责人、复核周期，每季度过一遍，把文档标记成待删、待改、已确认三类。
清理时先动高频文档：被调取最多的那批，过时了影响最大。低频文档错杀几个没人发现，高频文档一条出错能带歪一串人。清理动作本身也要留记录，删了什么、为什么删，免得过段时间有人来找被删的那篇。
| 文档类型 | 归类方式 | 判断标准 |
|---|---|---|
| 操作指引 | 按触发场景归：上线前、故障时、复盘时 | 紧急情况下三十秒内能翻到 |
| 经验复盘 | 按问题类型归，标题带结论关键词 | 搜问题关键词能直接命中 |
| 客户档案 | 按服务阶段归，附对接人变更记录 | 接手人不问人也敢往下跟 |
| 模板素材 | 按使用场景归，标注来源与授权范围 | 拿来改，十分钟内能出活 |
这张表按文档类型对号入座，重点看判断标准一列，它是衡量「真的被复用」的尺子。
让 AI 参与重排的三件事
把现有文档清单交给 AI，让它先按使用场景重排一遍。可用的提问方式：这是我团队的知识文档清单。请帮我：按使用场景和触发问题重新归类；指出哪些文档缺少适用前提、需要补充；标出可能过时的内容；给出一套更新与清理机制的建议。不要替我编写文档内容。
注意边界：AI 做的是归类和核查，内容要人写、前提要人确认，它标出的「可能过时」，最终以业务负责人的判断为准。归类方式一变，同样的知识库，可用性会差很多。把重排结果整理成能给别人看的版本时，做法可以参考用 AI 写年度经营总结：给合伙人的版本；阶段性梳理的思路，可以借鉴用 AI 做年度复盘：数据与选题的总结法。
知识库复用速查
- 按触发场景归类，不按组织结构
- 每条文档三个字段：适用场景、不适用场景、更新日期
- 标题带检索关键词，不带内部代号
- 每季度清理一次，先动高频文档
- 测试标准：五个真实问题，十分钟内找得到
它替代不了的部分
AI 能重排分类，写不了「什么情况下不适用」——这来自业务里的真实教训，没踩过的坑编不出来。它也判断不了过时：格式上的陈旧它能看出来，内容是否还符合现状，只有业务负责人知道。核心的一样它给不了：用知识的习惯。文档躺在库里没人翻，多数时候不是分类不好，是团队没有「先查库再问人」的规矩，这是管理问题，换什么工具都绕不过去。
三个常被问到的问题
- 老文档太多，重排要多久？：别一次全推。先重排高频调取的那批，通常占总量两成，覆盖八成使用，剩下的随用随改。
- 大家不按新分类放文档怎么办？：把归类规则做成提交时的必填项，从入口管比事后收拾省力；规则写进模板，人不记得也有模板兜底。
- 用通用 AI 工具整理内部文档，有泄露风险吗？：涉及客户信息、内部数据的文档，先确认工具的数据使用政策，敏感内容脱敏后再处理，或选用明确数据隔离的版本。
