作者：肖玉民，杭州萌嘉网络科技有限公司联合创始人&CTO。团队长期专注于企业 AI 落地与 AI 知识引擎实践，是国内较早探索 RAG 企业应用落地的团队之一。产品 TorchV 已成功服务浪潮信息、微众银行、物产中大国际贸易、物产中大金属、台州银行、适途汽车、中汇税务师事务所等客户。
我觉得在知识库里面，以知识加工来驱动知识库三个生命周期的阶段：
1、早期阶段（知识准入）
知识库需要起到容器的作用，对于知识准入来说，知识库系统需要支撑多种数据源的导入处理请求，要求的是对文件的支撑的广度，AIS知识库在这个阶段，提供了非常多的数据类型支撑，包括：在线编辑器（多人协作）、在线表格、附件（支持PDF、OFD、PPT、Word、Excel、Txt、Md、Html、Xmind、jsonl等文件）、HTTP接口等多种数据源的、半结构化数据（Excel导入转DB走Nl2SQL的方式）、关系型数据库。我们是支持的非结构化数据源的广度优先。
2、中期阶段（关注知识质量）
在中期阶段，我们发现了第一阶段的数据，可能无法支撑业务在真实的环境，这里面包括数据的质量不好，文档解析效果不佳，源文件内容结构、排版糟糕等等诸多问题，此时我们关心对于知识，希望借助外部大模型、多模态模型、OCR解析引擎等等先进的AI技术手段，提供对知识的二次加工处理，这里面包括数据的清洗（文本降噪/删除冗余干扰的字符）、结构化输出业务知识、可视化知识加工过程、高质量的解析提取文本等等内容，都是为了提高我们知识准入阶段，为业务做好高质量的知识来源，提供支撑。
3、后期阶段（关注知识治理）
在知识库的后期，我们有了知识准入的广度，也提供了知识质量的一系列标准技术手段方法，此时围绕知识库，就可以构建完整的知识治理体系。真是因为有了前期2个阶段的铺垫工作，后期的知识治理做起来才会得心应手。通过知识加工ETL，能够贯穿整个知识库的生命周期，从知识准入、知识质量、知识治理。三个维度，都可以提供标准的ETL的节点，对知识库的知识的新增、编辑、删除等动作，提供可视化的处理流程，业务层也能关注到知识库的文件治理的信息，做出决策，更好的支撑起上游