把五十篇资料交给 AI 整理。一周后，你发现其中一条价格说明已经过期，于是让它“改一下”。它很快改好了 FAQ、总结页和几张相关笔记。再过两天，另一个人追问：这条新说法从哪来，旧说法为什么没了？你又得把聊天记录、附件和改过的笔记翻一遍。

这不是 AI 写错字那么简单。资料一旦被反复整理、引用、改写，最怕的不是某一页有错，而是没有人能说清：哪一份是原件，哪一份只是整理后的判断，谁有资格改，以及改动发生过什么。

许多人做知识库时，先想的是“怎么让 AI 记住更多”。我更建议先做另一件不那么兴奋的事：把资料库拆成三层。它不需要新软件，也不要求上复杂检索。先把边界划出来，后面每次修正才不会越修越糊。

第一层：原件只负责留住来处

原件可以是一篇文章、一份访谈纪要、一张公开说明、一次确认过的业务记录。它不必漂亮，但应当保留来源、日期和当时的上下文。

这里的规则很朴素：原件不让 AI 直接改。发现旧资料不再适用，不是在原文上抹掉一句话，而是补入新的材料，并标出新旧关系。这样做不是迷恋“版本感”，而是给以后的人留一条回去核对的路。

“只读”也不等于把资料锁进柜子里再也不碰。原件可以继续增加，也可以补上来源、日期或适用范围；不能随便改的，是它当时到底说了什么。原来的说明、后来补发的更正、今天的执行口径，三者同时放在这里，反而比一份不断被覆盖的最新版更容易判断。

公开的 LLM Wiki 方法把这一层称为不可变的原始资料：模型可以读，但不应把它当成随手可改的草稿。这个约束很有用。没有它，知识页里一个看似合理的修订，最后可能会变成整套系统唯一剩下的“事实”。

第二层：知识页可以更新，但要承认自己是整理

知识页才是 AI 最适合维护的地方。它可以把分散材料串起来，做主题概览、常见问答、人物或概念页；新资料进来后，也可以更新旧结论、标出矛盾、补足链接。

但知识页不是原件的替身。一个简单的做法是：每个关键结论旁边，都能回到一份或几份原件；跨资料得出的判断，明确写成“综合后的看法”，不要伪装成哪一份资料的原话。

这一步会让页面看起来没那么利落，却能少很多返工。你不是在追求一份永远正确的总表，而是在维护一份随资料变化、又知道自己从哪里来的工作稿。

第三层：把“怎么改”写成规则，不靠聊天时临时想起

AI 最容易让人放松警惕的地方，是它改得很快。正因为快，改动范围也更容易失控。哪些页面可以直接更新，遇到冲突时该停下来问谁，什么结论必须附来源，什么回答不能回存为新资料，这些都应该写成一页短规则。

规则不必长。第一版写清四件事就够：

  • 新资料进来，先列出会影响哪些知识页，再动手；
  • 新旧说法冲突时，保留冲突和来源，不让 AI 静默选一边；
  • 回答用户的问题时，能追到材料再回答；追不到就承认暂时无法确认；
  • 每次整理后，留下新增、更新、冲突、待确认和变更位置五项回执。

这不是把 AI 绑成不能做事的助手。恰恰相反，规则把低价值的反复确认变成固定动作，人可以把注意力留给“这份材料值不值得进来”“两个说法到底该如何取舍”这类真正需要判断的问题。

一个小团队的 FAQ，怎么不被改成一团浆糊

假设一个做企业服务的小团队，把报价说明、交付范围、客户常问问题交给 AI 整理。起初一切顺利，后来服务范围调整，旧 FAQ 里还有一句“包含驻场支持”。

如果所有内容都混在一个文件夹里，最省事的做法就是让 AI 全局替换。短期看很快，半年后却很难回答：这句话何时失效？是哪个版本的服务范围替换了它？还有没有别的页面沿用旧解释？

按三层来做，处理会慢半步，却清楚得多：新的服务说明作为原件放入；FAQ 和服务概览作为知识页更新；规则要求 AI 列出受影响页面，把“旧版本仍有驻场支持”标为已过期而非悄悄消失；变更记录补上一行日期、原因和待确认项。负责人只需要检查这张清单，而不是逐页猜它改了什么。

这里没有神奇的自动化。真正省下来的，是下一次有人问起时，不必从零开始找证据。

先用两个入口，让知识库能被找回

资料还不多时，我会额外准备两个很普通的页面：一个内容索引，一个追加式变更记录。

内容索引回答“库里有什么”：按主题列出页面、用一句话说明每页解决什么问题。AI 回答问题前先看它，能少在一堆文件里盲找。变更记录回答“最近发生了什么”：新进了什么资料、改了哪些页、哪里有争议、下次该查什么。

这两个入口没有算法光环，却能暴露知识库是否正在失控：索引里越来越多页面说不清用途，或变更记录长期为空，往往说明资料只是被堆进去了，没有真的被维护。等到确实出现检索困难，再考虑更复杂的工具也不迟。

今天就能开始的最小版本

挑一个你会持续用三个月以上的小主题，不要一上来搬整个硬盘。建一个原件区、一组知识页、一页规则、一页索引和一份变更记录。拿三到五份资料试跑一次：让 AI 先给出计划和五项回执，你确认后再写入知识页。

如果它把两个来源说成了一件事，不要急着让它“再聪明一点”。先问：原件还在吗？知识页能回到原件吗？规则有没有要求它停下来报冲突？这三个问题能答上来，知识库才开始有可修的骨架。

第一轮别追求把历史资料一次整理完。挑一处你最近真的会查、也确实可能变动的信息就够了。跑完一次更新，再看回执里最容易漏掉哪一项，把那一项补进规则。知识库的规则不是一开始设计得多漂亮，而是在真实改错里慢慢长出来的。

AI 可以承担整理、连线和例行检查，但它不该替你把来处抹平。把原件留住，把整理当成整理，把改动写下来。以后每次资料更新，都能顺着这三层找到该改的地方。