萃取的是判断而非文档
把制度文档整篇入库，检索到的仍是条文；萃取要回答遇到什么情形、看哪几个条件、依据哪条、例外怎么处理。这一层才是模型与新人真正缺的，也是文档检索命中后仍需人工筛选的原因，写不清就永远答不准。
五个字段一个单元
场景、判断条件、依据来源、例外情形、对外话术。五个字段齐全才算一个知识单元，缺依据会让回答无法追溯，缺例外会让模型越过边界；话术字段最容易被忽略，却是对外答复一致性的关键，不能省，也会影响模型判断是否稳定。
来源要能回到人
每个单元标注提供者、审核人与适用版本，便于追溯与更新。没有署名的知识单元在出现错误时无法定位，也无法判断是否仍然有效；署名还有一层作用，是让专家愿意为内容负责，减少随口一说的条目进入库。
授权与分级同步
萃取过程会沉淀客户信息与内部口径，必须同步做分级与授权。把敏感内容混进通用知识库，是最常见的合规事故来源；分级不必等制度完备，先按可公开、内部、敏感三级标注，再按岗位授权即可，并在授权表上留痕。
边界：不替代专家
萃取产出的是可检索的参考，复杂与高风险判断仍由专家负责。涉及法律、造价、医疗等专业结论时，知识单元只能作为辅助材料；对外出具意见、签章与承担责任的环节，必须有持证人员复核，不能以库代签。
适用与不适用
适合谁
- 有资深员工经验集中、人员流动影响大的企业
- 正在建检索问答或岗位带教的团队
- 需要把评审意见沉淀为标准的企业
不适合谁
- 只想把文件批量上传做检索的团队
- 没有专家可投入访谈时间、也不愿做工单回溯的项目
典型场景
某建材企业的报价专家即将退休，团队用两周做访谈与工单回溯，把他的判断拆成四十个知识单元，标注依据与例外，由商务总监审核后入库，新人提问时可追溯到具体单元，并由质量主管抽检十个单元，三个月后又补了八条。
可执行步骤
- 选一个高价值、专家经验集中的场景，明确访谈对象、可用工单范围与时间
- 用访谈拿判断逻辑，用工单回溯拿真实情形，两条线交叉补齐例外与边界
- 按五字段把判断拆成单元，一类情形一个单元，长度控制在几句话，并保留依据来源
- 由专家以外的第二人逐条核对依据，并同步标注数据级别与授权，核对记录留档
- 入库后用真实提问做检索评测，约定复核周期与更新责任人，评测集不少于三十条
常见坑
- 把制度文件整篇切块入库，检索结果仍是条文；应先拆判断，再谈入库，否则只是换了个存储位置，也检索不到判断
- 只访谈不回溯工单，遗漏真实例外；两条线要交叉，最好各由一人负责，不能只靠回忆，工单里的例外往往最值钱
- 单元没有依据与例外，模型回答越过边界；五字段缺一不可，且每条都要写明依据条款或工单号，否则答不准
- 未做分级授权，敏感信息进入通用库；萃取时就要标级别并按岗位授权，敏感内容单独存放并限制访问
自检与验收清单
- 每个单元是否含场景、判断、依据、例外与话术五个字段
- 是否标注提供者、审核人、适用版本与复核日期，四项齐全
- 例外情形是否具体到可判断，而不是一句视情况而定
- 是否完成数据分级与按岗位授权登记，并有授权表
- 是否有检索评测记录与季度复核安排并留档，且有人负责
常见问题
和知识库建设有什么区别
知识库解决存与找，知识萃取解决判断怎么表达。只做存储，检索到的仍是原文；做了萃取，回答才能说明依据与例外。两者可以并行，但先把单元模板定下来，再决定用什么系统承载，顺序反了会反复搬家。
一定要访谈专家吗
访谈最直接，但不是唯一方式。工单、评审意见、会议纪要都能萃取，只是需要更多交叉验证；完全不做访谈，例外情形往往收集不全，单元会写得过于理想，实际用起来一遇到特殊情况就答错。
萃取成果会泄密吗
取决于分级与授权。萃取时应同步标注数据级别与可用范围，敏感内容单独存放并限制访问，避免混入通用问答。对外发布前还要做一次脱敏复核，由业务负责人签字，不能只靠技术手段过滤。