角色一：业务负责人
负责定义什么算对、提供样本、组织复核与复盘。这个角色无法由外部团队替代，因为验收标准来自业务判断；外包方可以协助整理，但不能替业务拍板，否则评测一定走偏。
角色二：知识整理人
把散落在工单、文档、聊天记录中的经验整理成可检索条目，并标注适用范围与失效条件。工作琐碎但决定上限，通常需要熟悉业务的一线骨干参与，外包只能做初稿。
角色三：工程与运维
负责接入、检索、权限、日志与监控，并保证业务系统变更后仍然可用。可由内部或外部团队承担，但必须完成文档与交接，否则一次人员变动就会让系统停摆。
数据条件：覆盖与标注
样本要覆盖高频问题，也要包含少量边界与异常；标注口径要统一，否则评测结果不可比。样本量不必大，但必须来自真实业务，并且能按节奏持续更新。
数据条件：权限与合规
按敏感度分级，明确哪些数据可进检索、哪些只能本地处理、哪些需要脱敏。涉及个人信息与商业秘密时，要在部署评估阶段确认处理边界，不能上线后再补。
适用与不适用
适合谁
- 正在组建 AI 小组的企业
- 需要评估自身条件是否具备的转型团队
- 准备与外部服务商合作的项目负责人
不适合谁
- 希望完全外包、不投入内部人员的团队
- 数据无法整理且没有授权路径的场景
典型场景
某医药流通企业的客服知识分散在三个系统。项目组指定一名业务主管做验收人，两名一线员工整理知识条目，IT 负责权限与日志，外部团队做检索与原型。知识整理占时最多，但上线后接管率明显下降。
可执行步骤
- 按四类角色指定人名，而不是只写部门名
- 盘点知识来源与数据敏感级别
- 制定统一标注口径与样本更新节奏
- 按数据分级确定部署形态与权限方案
- 把运维交接写入项目范围与验收项
常见坑
- 只指定部门不指定人，跨部门协作时无人推进，进度反复停滞。
- 把知识整理交给不熟悉业务的人，条目看似完整却回答不了真实问题。
- 样本只取顺利案例，评测结果偏乐观，上线后异常输入大量失败。
- 权限方案留到上线前才讨论，检索范围反复调整，工期被压缩。
自检与验收清单
- 四类角色是否都有人名与时间投入
- 知识条目是否有来源与失效条件
- 样本是否覆盖高频与异常输入
- 数据分级与处理边界是否确认
- 运维交接是否在合同范围内
常见问题
没有算法工程师能做吗？
多数应用型场景不需要自建算法团队，需要的是应用工程与知识整理能力。复杂微调或私有化推理优化再考虑引入专职算法人员。
数据量要多大？
取决于任务复杂度。知识问答类通常几十到几百条高质量条目即可起步，关键是覆盖真实问题并保持更新，而不是追求条目数量。
业务人员没时间怎么办？
把整理工作拆成小块并计入工时，比临时抽调更可持续。也可先由外部团队做初稿，业务人员只做确认与补充。