能力一：应用工程
负责模型接入、检索、权限、日志与前端集成。多数企业不需要训练模型，但需要能读懂接口文档、处理超时与降级的工程能力，否则系统在高峰时段不可用。
能力二：知识整理
把制度、产品资料、案例整理成结构化条目，标注适用范围与更新时间。这项工作要熟悉业务，通常由一线骨干兼任，外部团队只能协助初稿与格式。
能力三：评测与运营
设计评测集、组织抽检、归类错误并推动修复。这个角色最常被忽略，却决定系统三个月后还能不能用；没有它，改动只能凭感觉，问题也无人跟进。
数据条件：授权与脱敏
确认资料的使用权，识别其中的个人信息与商业秘密，按敏感度决定脱敏或在本地处理。授权不清的资料不应进入检索库，否则一旦被追问来源，整个系统都要下线整改。
数据条件：时效与版本
每条知识要有生效时间、责任人与版本记录。旧版本不清理会与新政策冲突，模型随机引用，比没有知识更危险，因为用户会以为系统给出的是现行口径。
适用与不适用
适合谁
- 正在组建生成式 AI 项目组的企业
- 需要评估外部服务商配合方式的负责人
- 准备做知识库治理的部门
不适合谁
- 希望零内部投入、完全外包的团队
- 资料无权使用且无法获得授权的场景
典型场景
某连锁企业的培训部门把课程资料与门店常见问题整理成知识条目，指定两名区域经理做口径确认，IT 负责权限与日志，外部团队做检索与原型。上线后每周由培训主管抽检并更新条目。
可执行步骤
- 按四类能力列出人名与投入时间
- 盘点资料授权状态与敏感级别
- 确定脱敏规则与数据处理位置
- 为每条知识设定责任人与复核时间
- 建立抽检与错误归类的固定节奏
常见坑
- 把知识整理默认交给外部团队，条目缺乏业务口径，回答似是而非。
- 未确认资料授权就导入检索库，后期被迫整体下架重做。
- 知识条目没有责任人，错误长期无人修正。
- 只做一次性脱敏，新增数据绕过流程，风险回流。
- 没有评测角色，改动全靠感觉，问题无法归因。
自检与验收清单
- 四类能力是否都有人承担
- 资料授权是否逐类确认
- 脱敏规则是否覆盖新增数据
- 知识条目是否有责任人与时效
- 抽检节奏是否固定
常见问题
需要专职算法工程师吗？
应用型项目通常不需要。除非要做领域微调或私有化推理优化，否则应用工程加知识整理就能覆盖多数需求。
知识条目多少条合适？
以覆盖真实高频问题为准，通常从几十条核心条目起步，再按反馈补充。追求数量而忽视准确性，反而增加冲突。
外部团队能负责合规吗？
不能替代。合规责任在企业自身，外部团队可提供部署方案与文档支持，最终判断应由法务与安全负责人作出。
能不能先上线再补知识和人员？
不建议。知识条目与复核人缺位时，系统会先给出看似完整的错误答案，用户第一次踩坑就不再使用，之后补人也很难挽回信任。正确顺序是先定口径与责任人，再用小范围试用验证，逐步扩大覆盖范围。