AI 与实验室
实验室知识库与智能问答：把沉淀的经验"问出来"
实验室里大量经验“装在人脑子里”：老员工的判据心得、体系文件条款、模板填写习惯。知识库 + 智能问答的目标，是把这些沉淀下来并且用提问的方式调出来。
一、知识库装什么
推荐起步的三类：
- 文件类：体系文件、作业指导书、模板说明（受控版本）；
- 数据类：判定依据、限量清单、方法手册（来自系统数据）；
- 经验类：常见问题问答（从实际业务沉淀，注明来源与时效）。
二、问答的形态
- 出处优先：回答必须给出所依据的文件/数据来源，允许“查不到就说不清楚”；
- 版本敏感：引用标准/限量时标注版本，防旧版误引；
- 权限一致：知识问答受岗位权限约束（检测岗位的问答不应返回委托方信息）。
三、边界
- 不答所以然的责任：涉及判定、放行的问题，问答给依据，决策由人；
- 不编造：知识库没有的内容明确说“未收录”；
- 时效管理：文件换版即更新知识库索引，旧版标记失效。
四、落地次序
- 先建结构化检索（文件与数据按关键词/语义检索），这是问答的地基；
- 再叠加对话式问答（追问、对比）；
- 逐步把高频问答沉淀为“标准答案”，反哺知识库。
五、判断标准
知识问答做得好不好，看一件事：问一个操作细节，回答能不能带出处。能——说明知识库是“活的”；不能——那只是又一层搜索框。
知识库的本质是把机构的经验制度化：新人上手快、口径不因人而异、体系文件真正“被用起来”。这是 AI 在实验室里最不炫目但最扎实的用途之一。