当前位置：首页 > HOTMAIPU > 正文

企业知识库落地实践：从架构设计到实际应用

HOTMAIPU · Jun 04, 2026

引言

在当今数字化时代，知识管理已成为企业提升竞争力和创新能力的关键因素。企业知识库作为一种系统化管理企业内部知识资产的工具，正逐渐成为企业数字化转型的重要组成部分。本报告将深入探讨企业知识库的定义、重要性、实施方法、成功案例以及技术实现路径，为企业提供全面的知识库建设指导。

企业知识库的基本概念与重要性

企业知识库的定义

企业知识库是一个自助式存储库，用于存储有关企业产品、服务或品牌的易于检索的信息。从本质上讲，它是一个企业内部或外部知识的集合，其结构可以帮助组织更有效地管理和利用这些知识资产[1]。
企业知识库不仅仅是简单地存储文档，而是通过系统化的方式组织和管理企业的知识资产，使其能够被高效地检索和利用。知识库通常包括企业的规章制度、业务流程、技术文档、项目经验、市场信息等各种形式的知识内容。

企业知识库的重要性

在快速发展和高度竞争的商业环境中，信息和知识管理对于企业的成功至关重要。企业知识库作为集中存储和管理组织内部知识的系统，对提高效率、促进创新和维持竞争优势具有重要意义[1]。
企业知识库的重要性主要体现在以下几个方面：

  1. 提升工作效率：一个高效的知识库能够帮助企业节省时间，提高工作效率，同时促进知识的积累和传承[4]。
  2. 促进知识共享：知识库为员工提供了共享和获取知识的平台，促进了跨部门、跨团队的知识交流和协作[2]。
  3. 增强企业竞争力：通过系统化管理企业的知识资产，知识库可以帮助企业更好地应对市场变化，提高决策质量和响应速度[3]。
  4. 降低运营成本：通过避免工作重复，减少培训时间和提高员工生产力，知识库可以显著降低企业的运营成本[3]。
  5. 支持业务连续性：当员工离职或休假时，知识库可以确保业务的连续性，避免知识流失[2]。

知识库与传统文档管理的区别

企业知识库与传统的文档管理系统有着本质的区别。传统文档管理主要关注文件的存储和版本控制，而知识库则更注重知识的组织、检索和应用。知识库通过建立知识间的关联，使得知识能够被更有效地利用，支持企业的决策和创新。

企业知识库的架构设计

知识库的基本架构

企业知识库的架构设计是知识库成功实施的基础。一个典型的企业知识库系统整体结构包括以下几个主要组成部分：

  1. 知识采集与处理层：负责从各种来源收集知识，并进行预处理和结构化[44]。
  2. 知识存储层：用于存储结构化和非结构化的知识内容，通常使用数据库或内容管理系统[44]。
  3. 知识检索与应用层：提供知识的检索、推荐和应用功能，支持用户查询和使用知识[44]。
  4. 知识管理与维护层：负责知识的更新、维护和评估，确保知识库的准确性和时效性[44]。

知识分类体系设计

设计知识分类体系是知识库建设的重要环节。根据业务逻辑和知识属性，设计清晰的分类标签和层级结构，可以使知识更容易被组织和检索。常见的分类方式包括：

  1. 按部门分类：根据企业的组织结构，将知识按照部门或团队进行分类，如总经办、行政人事部、财务部、法务部、销售部等[42]。
  2. 按业务流程分类：根据企业的业务流程，将知识按照业务环节进行分类，如客户管理、项目管理、研发管理等。
  3. 按知识类型分类：根据知识的性质和用途，将知识分为规章制度、操作手册、技术文档、市场信息等类型。
  4. 按知识层次分类：将知识按照隐性知识和显性知识进行分类，隐性知识包括员工的经验和技能，显性知识包括文档、报告等正式的知识形式。

知识库技术架构

随着人工智能技术的发展，现代企业知识库的技术架构也在不断演进。大模型技术与知识库的结合，为知识管理带来了新的可能性。
一个典型的大模型知识库架构包括以下几个关键组件：

  1. 文本分割器（Text Splitter）：将长文本分解为易于管理的小段或碎片的算法，目标是将文本分解成可单独处理的小块[69]。
  2. 嵌入（Embedding）：这个过程可以简单理解为数据的向量化。无论是哪种维度的数据，最终都需要通过归一化和自关联的步骤来转化为向量[69]。
  3. 向量数据库（VectorStore）：存放那些已经向量化数据的向量数据库，如Milvus、Pinecone、腾讯云向量数据库、Redis等，它们不仅能够存储数据，还能支持语义计算，如欧式距离、余弦公式等操作[69]。
  4. 大语言模型（Large Language Model, LLM）：用于生成自然语言回复，回答用户的问题，如ChatGPT、DeepSeek等。
  5. 检索增强生成（RAG）：一种结合检索和生成的技术，通过从知识库中检索相关文档，然后使用大语言模型生成回复[69]。

企业知识库的实施步骤

需求分析与规划

在开始构建知识库之前，首先需要明确知识库的目标和范围。这包括确定知识库将覆盖哪些领域，如产品信息、操作流程、市场策略、技术文档等。同时，需要定义知识库的用户群体、使用场景和预期效果[9]。
需求分析阶段应包括以下内容：

  1. 业务需求分析：了解企业各个部门对知识库的需求，确定知识库需要支持的业务场景。
  2. 技术需求分析：评估知识库需要具备的技术能力，如检索效率、安全性、可扩展性等。
  3. 资源需求分析：评估知识库建设所需的资源，包括人力资源、技术资源和资金资源。
  4. 实施计划制定：制定知识库建设的实施计划，包括时间表、里程碑和阶段性目标。

知识分类与组织

知识分类与组织是知识库建设的关键环节。根据企业的业务特点和知识特性，设计合理的分类体系和组织结构，可以使知识更容易被存储和检索。
知识分类与组织的步骤包括：

  1. 确定分类维度：根据企业的特点和需求，确定知识分类的维度，如按部门、按业务流程、按知识类型等。
  2. 设计分类结构：设计知识的分类结构，通常采用层次化的树状结构，从粗到细地组织知识。
  3. 制定分类规则：制定明确的分类规则，指导知识的归类和管理。
  4. 建立知识关联：建立知识之间的关联关系，如相关性、从属关系等，增强知识的可用性。

知识采集与处理

知识采集与处理是知识库建设的核心环节。通过系统化的方式采集和处理企业的知识资产，为知识库的构建提供高质量的内容。
知识采集与处理的步骤包括：

  1. 确定知识来源：识别企业的知识来源，包括文档、报告、培训材料、员工经验等。
  2. 知识提取：从各种来源中提取知识，包括结构化数据和非结构化数据。
  3. 知识整理：对提取的知识进行整理和清洗，确保知识的准确性和一致性。
  4. 知识编码：对知识进行编码和标注，使其符合知识库的分类体系和组织结构。
  5. 知识存储：将处理后的知识存储到知识库中，为后续的检索和应用做好准备。

知识库平台选择与部署

选择合适的知识库平台是知识库建设的重要决策。不同的平台提供了不同的功能和特点，企业需要根据自身的需求和条件选择适合的平台。
知识库平台选择与部署的步骤包括：

  1. 评估平台功能：评估各种知识库平台的功能，包括知识管理、检索、协作、安全等。
  2. 评估平台易用性：评估平台的易用性，包括用户界面、操作流程、学习曲线等。
  3. 评估平台可扩展性：评估平台的可扩展性，包括支持的知识类型、用户数量、功能扩展等。
  4. 评估平台集成能力：评估平台与企业现有系统的集成能力，如与CRM、ERP系统的集成。
  5. 评估技术支持：评估平台提供商的技术支持和服务能力。
  6. 平台部署：根据企业的网络环境和安全要求，选择合适的部署方式，如云端部署、本地部署或混合部署。

知识库使用与维护

知识库的使用与维护是知识库成功的关键因素。只有通过有效的使用和维护，才能确保知识库的持续价值和生命力。
知识库使用与维护的步骤包括：

  1. 用户培训：对知识库的用户进行培训，使其掌握知识库的使用方法和技巧。
  2. 使用监控：监控知识库的使用情况，包括用户活跃度、知识访问频率、反馈意见等。
  3. 知识更新：定期更新知识库中的知识内容，确保知识的准确性和时效性。
  4. 知识评估：评估知识库中的知识质量，识别需要改进的知识内容。
  5. 系统优化：根据使用反馈和评估结果，优化知识库的系统功能和知识组织。

企业知识库的成功案例分析

制造业知识库案例

制造业是知识密集型行业之一，博世华域、大华科技、国家电网等企业已经在知识库建设方面取得了显著成效。
案例1：博世华域的质量知识管理体系
鼎捷软件为博世华域提供了一款基于GPT的智能知识管理平台，具有自动采集和解析大量文档的能力，生成全面的企业经验库，并针对8D文档中需要横向展开和标准化的部分设计专门流程，实现问题解决后经验库中文档的实时更新[11]。
在该案例中，知识库采用了大小模型协同的解决方案：

  • 小模型负责传统AI技术，如意图识别、经验抽取、实体抽取、自动标签等
  • 大模型则负责智能问答、多轮交互人机协作等
    这种协同方式不仅提高了处理效率，也保证了处理结果的准确性。通过人性化的交互方式，员工可以自然地与文档知识进行交互，为企业创造智能的知识管理模式。
    案例2：国家电网基于电力认知大模型的设备运检知识助手
    国家电网与百度合作，基于国网智能电网研究院海量高质量电力样本和电力运检场景的人工智能研发经验，以及百度文心系列大模型及领先的深度学习、知识图谱增强等技术，共同开发了基于电力认知大模型的设备运检知识助手[11]。
    该知识助手支撑运检口径设备资料在线管理、技术标准与通用制度精准检索、技术标准智能问答、知识库移动应用以及各类运维检修场景，推动电网运营的精细化、自动化、智能化发展，提高电力设备运检的智能化水平，为电力行业数字化转型提供参考和启发。

金融行业知识库案例

金融行业对知识管理有着特殊的需求，需要处理大量的法规、风险评估和业务流程知识。诺亚财富和中国人保等企业已经成功应用了大模型技术与知识库的结合。
案例1：诺亚财富领域大模型场景应用
诺亚财富基于中关村科金自研的金融领域大模型打造智能知识库，并以知识助手的形式，接入企业微信和iNoah APP，为员工和用户提供基于企业知识文档的智能问答查询功能[11]。
该案例对比传统企业知识库、QA机器人等知识管理手段，大模型知识助手可轻松实现知识归纳、构建、问答、推荐等，精准获取有效信息，大量节省文档检索时间，提升工作和学习效率。通过中关村科金自研的模型微调技术，可实现单卡推理、单周迭代，快速低成本完成模型微调，落地大模型应用。
案例2：中国人保"数智灵犀-人保大模型"
"数智灵犀-人保大模型"将星火金融大模型与中国人保现有业务系统深度集成，提供全面、准确的智能问答服务。在对内运营层面，"人保智友"通过深度学习保险产品条款等知识，为业务人员提供保险产品知识的智能问答，提升服务质效；在对客服务层面，"聪明宝"已在财产险多个应用场景进行内测，通过提供更专业、更快速、更高效的解决方案，提升客户的满意度[11]。
该大模型在通用大模型能力基础上提升了多轮口语化复杂意图理解能力、情感理解与共情能力，新增敏感问答拒识能力，并且针对保险具体应用场景，实现了条款咨询问答、业务逻辑推理、多文档多知识点融合的全面突破。借助大模型的语义理解、搜索增强等功能，中国人保提升了知识获取效率，降低企业运营成本。

服务业知识库案例

在服务业中，知识库的应用主要集中在客户关系管理、客户服务和业务流程优化等方面。唱吧和哈啰出行等企业已经成功实施了知识库系统。
案例1：唱吧AIGC+智能客服
唱吧部署"AIGC+智能客服"融合能力，采用双库模式，提升售后咨询场景的问题回答率和回答准确率，提高售后咨询场景的客户满意度，同时改变了主流的人工拆解问答对的知识维护模式，企业只需上传原始材料即可提炼问答对并日常调优，提升知识运营效率[11]。
在双库模式下，用户在线咨询时优先启用智齿科技知识库，在知识库无法作答的情况下再启动AIGC资料库，保证输出答案的准确度。在AIGC引擎下，企业只需上传原始材料即可自动提炼FAQ并扩展相似问，极大地降低了知识库冷启动与运维调优的工作量。
案例2：哈啰出行两轮车业务知识库
面对上万名线下的两轮车运维人员，哈啰出行打造两轮车业务知识库，将运维人员的运营经验、业务SOP、系统链路、公网知识等企业非标资产沉淀下来，通过大模型Copilot模式进行日常推送，有效提高现有运维人员的能力以及提高新人培训效率[11]。
该案例采用多路召回策略，将大模型与传统小模型技术手段相结合，问答助手准确率目前可达到80%+，属于行业领先水平。知识库问答助手与企业的运营链路打通，不仅为运维同学的日常工作提供支持，更是企业发挥"隐形"资产价值的过程。

航空行业知识库案例

航空行业对安全性和准确性有着极高的要求，知识库在该行业的应用主要集中在飞行安全、维护维修和客户服务等方面。某航空公司成功实施了智能客服知识库系统。
案例：某航空公司智能客服知识库
某航空公司现有客服知识库系统众多，重复维护费时费力。达观融合该行对内知识库与对外知识库的后台，实现知识智能化采编的统一管理、统一采集、统一审批、统一发布、统一维护的知识库系统，建立内部人员多样化知识的共享协作和分享交流平台，业务效率提升5倍，实现平台共制、平台共建、知识共享[120]。
该案例展示了知识库在整合分散系统、提高业务效率和促进知识共享方面的显著价值，为航空行业的知识管理提供了有益的参考。

企业知识库的实施挑战与解决方案

知识库实施的主要挑战

企业在实施知识库过程中会面临多种挑战，这些挑战可能影响知识库的成功落地和持续运营。
1. 知识获取与整合的挑战

  • 知识分散性：企业的知识通常分散在不同的系统、文档和员工头脑中，难以集中管理和利用。
  • 知识质量参差不齐：不同来源的知识质量不一，存在过时、不准确或不完整的问题。
  • 知识更新困难：知识需要不断更新，但缺乏有效的机制和流程来确保知识的时效性。
    2. 技术实现的挑战
  • 技术复杂性：知识库的构建和维护需要多种技术的结合，包括自然语言处理、知识表示、检索算法等。
  • 系统集成难度：知识库需要与企业的其他系统集成，如CRM、ERP、HR等，集成难度较大。
  • 性能要求高：知识库需要支持高效的知识检索和应用，对系统性能有较高要求。
    3. 组织与管理的挑战
  • 员工参与度低：员工可能缺乏使用知识库的积极性，导致知识库利用率低。
  • 管理机制不完善：缺乏有效的知识管理机制和流程，难以确保知识库的持续运营。
  • 安全与合规风险：知识库涉及企业的敏感信息，存在安全和合规风险。

解决方案与最佳实践

针对知识库实施中的挑战，企业可以采取以下解决方案和最佳实践：
1. 知识获取与整合的解决方案

  • 建立知识采集流程：制定明确的知识采集流程，确保知识的系统化收集和整理。
  • 知识质量控制：建立知识质量评估标准和审核机制，确保知识的准确性和可靠性。
  • 定期知识更新：建立知识更新机制，定期检查和更新知识内容，保持知识的时效性。
    2. 技术实现的解决方案
  • 选择合适的技术架构：根据企业的特点和需求，选择合适的技术架构和工具，如大模型、RAG等。
  • 系统集成策略：制定系统的集成策略，确保知识库与企业其他系统的有效集成。
  • 性能优化：通过索引、缓存等技术手段，优化知识库的性能，提高检索和应用效率。
    3. 组织与管理的解决方案
  • 培养知识文化：在企业内部培养知识共享和利用的文化，提高员工使用知识库的积极性。
  • 建立激励机制：建立知识贡献和使用的激励机制，鼓励员工积极参与知识管理。
  • 完善管理制度：建立完善的知识管理制度和流程，确保知识库的持续运营和优化。
  • 安全与合规措施：采取适当的安全与合规措施，保护知识库中的敏感信息，确保符合相关法规和标准。

知识库建设的ROI评估

知识库建设的ROI（投资回报率）评估是知识库项目成功的关键因素之一。通过科学的ROI评估，企业可以了解知识库的价值和效果，为后续的优化和扩展提供依据。
1. ROI评估指标

  • 成本节约：通过知识库减少重复工作、降低培训成本等带来的成本节约。
  • 效率提升：通过知识库提高员工工作效率、缩短问题解决时间等带来的效率提升。
  • 质量改善：通过知识库提高决策质量、减少错误等带来的质量改善。
  • 客户满意度：通过知识库提高客户服务质量、解决客户问题等带来的客户满意度提升。
  • 业务增长：通过知识库支持业务创新、拓展新业务等带来的业务增长。
    2. ROI评估方法
  • 定量分析：通过收集和分析定量数据，如时间节省、成本降低、客户满意度评分等，计算知识库的直接经济价值。
  • 定性分析：通过收集和分析定性数据，如员工反馈、客户反馈、业务影响等，评估知识库的间接价值。
  • 综合评估：结合定量分析和定性分析，全面评估知识库的ROI。
    3. 持续优化
  • 定期评估：定期进行ROI评估，跟踪知识库的价值和效果。
  • 持续改进：根据评估结果，持续改进知识库的内容、功能和使用体验。
  • 扩大应用：在成功应用的基础上，逐步扩大知识库的应用范围，提升整体价值。

企业知识库的未来发展趋势

随着技术的发展和企业需求的变化，企业知识库也在不断演进和创新。以下是一些值得关注的未来发展趋势：

大模型与知识库的深度融合

大模型技术的发展为企业知识库带来了新的可能性。通过将大模型与知识库结合，可以实现更智能的知识检索和应用。
1. 检索增强生成（RAG）技术
RAG是一种结合检索和生成的技术，通过从知识库中检索相关文档，然后使用大语言模型生成回复。这种技术可以突破传统tokens数量的限制，更精准地提炼出问题的本质[69]。
2. 小模型与大模型的协同
通过大小模型的协同，可以发挥各自的优势。小模型负责传统AI技术，如意图识别、经验抽取、实体抽取、自动标签等；大模型则负责智能问答、多轮交互人机协作等[11]。这种协同方式不仅提高了处理效率，也保证了处理结果的准确性。
3. 知识图谱增强
知识图谱可以为大模型提供更丰富的语义理解能力，增强模型对知识的准确性和相关性的判断[45]。通过知识图谱，可以建立知识之间的关联，提高检索和应用的准确性。

知识库的智能化与自动化

随着AI技术的发展，知识库的智能化和自动化程度不断提高，可以更有效地支持企业的决策和创新。
1. 智能知识采集
通过自然语言处理、机器学习等技术，实现知识的自动采集和整理，减少人工干预，提高知识获取的效率和准确性。
2. 智能知识推荐
基于用户的行为和偏好，智能推荐相关的知识内容，提高知识的利用效率和用户满意度。
3. 智能知识评估
通过AI技术，自动评估知识的质量和价值，识别需要更新和优化的知识内容，提高知识库的整体质量。

知识库的行业化与专业化

不同行业的知识特点和需求不同，知识库的行业化和专业化是未来的发展趋势。
1. 行业知识模型
针对不同行业的特点和需求，开发专门的行业知识模型，提供更精准的知识服务。
2. 专业知识库
建立针对特定领域或专业的知识库，如医疗知识库、金融知识库、法律知识库等，满足专业领域的知识需求。
3. 行业知识标准
制定行业的知识标准和规范，促进知识的共享和交流，提高行业的整体知识管理水平。

知识库的开放与协作

知识库的开放与协作是未来的发展方向，可以促进知识的共享和创新。
1. 开放知识库
建立开放的知识库平台，允许外部用户参与知识的贡献和使用，扩大知识的影响力和价值。
2. 协作知识管理
通过协作工具和平台，促进跨部门、跨组织的知识交流和协作，提高知识的利用效率和创新潜力。
3. 知识生态建设
构建知识生态，包括知识生产者、知识消费者、知识服务提供商等角色，形成良性互动的知识循环系统。

结论与建议

企业知识库是企业数字化转型的重要组成部分，通过系统化管理企业的知识资产，可以提高企业的效率、创新能力和竞争力。本报告从定义、重要性、架构设计、实施步骤、成功案例、挑战与解决方案以及未来发展趋势等方面，全面探讨了企业知识库的落地实践。

主要发现

  1. 知识库的重要性：企业知识库是企业知识管理的核心工具，对提高效率、促进创新和维持竞争优势具有重要意义。
  2. 架构设计：企业知识库的架构设计是成功实施的基础，包括知识采集与处理层、知识存储层、知识检索与应用层和知识管理与维护层。
  3. 实施步骤：企业知识库的实施包括需求分析与规划、知识分类与组织、知识采集与处理、知识库平台选择与部署以及知识库使用与维护等步骤。
  4. 成功案例：不同行业的企业已经成功实施了知识库系统，如制造业的博世华域、金融行业的诺亚财富和服务业的唱吧等。
  5. 挑战与解决方案：企业在知识库实施中面临知识获取与整合、技术实现以及组织与管理等挑战，需要采取相应的解决方案和最佳实践。
  6. 未来趋势：企业知识库的未来发展趋势包括大模型与知识库的深度融合、知识库的智能化与自动化、知识库的行业化与专业化以及知识库的开放与协作。

实践建议

基于本报告的研究和分析，我们提出以下实践建议，帮助企业在知识库建设中取得成功：

  1. 明确目标与需求：在开始知识库建设之前，明确知识库的目标和需求，制定详细的实施计划。
  2. 选择合适的技术与平台：根据企业的特点和需求，选择合适的技术架构和平台，如大模型、RAG等。
  3. 建立知识分类体系：设计合理的知识分类体系，便于知识的组织和检索。
  4. 重视知识质量和安全：确保知识库中的知识质量和安全，建立完善的知识管理机制和安全措施。
  5. 培养知识文化：在企业内部培养知识共享和利用的文化，提高员工使用知识库的积极性。
  6. 持续优化与创新：定期评估知识库的ROI，持续优化和创新知识库的内容、功能和使用体验。
  7. 关注行业趋势：关注知识库领域的最新技术和趋势，如大模型、知识图谱等，不断提升知识库的价值和效果。

未来展望

随着技术的发展和企业需求的变化，企业知识库将在以下方面继续发展和创新：

  1. 大模型与知识库的深度融合：大模型技术将与知识库深度融合，提供更智能的知识检索和应用。
  2. 知识库的智能化与自动化：知识库将更加智能化和自动化，能够更有效地支持企业的决策和创新。
  3. 知识库的行业化与专业化：知识库将更加行业化和专业化，满足不同行业的知识需求。
  4. 知识库的开放与协作：知识库将更加开放和协作，促进知识的共享和创新。
    通过持续的探索和实践，企业知识库将成为企业数字化转型的重要驱动力，为企业创造更大的价值和竞争优势。

参考文献

[1] 知识库是什么？企业为什么需要知识库？ | 【官网】探码科技. https://www.tanmer.com/blog/763.
[2] 建立知识库对企业员工的意义是什么？. https://docs.lanyingim.com/quest/establishing-knowledge-base-importance-40-20240705-1-6-1720127284.html.
[3] 搭建企业知识库的价值与重要性 - 联想Filez. https://www.filez.com/news/detail/4dbd4a9d6d8879f44b5516d30c172eff.html.
[4] 企业知识库构建与维护指南：提升效率与知识共享 - 金山文档. https://www.kdocs.cn/article/D6E6616BF2.html.
[9] 企业知识库构建与维护指南：提升效率与知识共享 - 金山文档. https://www.kdocs.cn/article/D6E6616BF2.html.
[11] 2024中国"大模型+知识管理"最佳实践案例TOP15重磅发布 - 53AI. https://www.53ai.com/news/qianyanjishu/499.html.
[42] 企业知识库的搭建框架 - 小红书. https://www.xiaohongshu.com/explore/66557650000000001303ce26?xsec_token=ABVOsJqnVZDeN242_Bel2KJEJpHFGkd9A8esJNdTu0Jfk=&xsec_source=.
[44] 企业级知识库系统构建方案. https://zhuanlan.zhihu.com/p/1896160819315721481.
[45] DeepSeek+RagFlow搭建企业级知识库：知识库配置和使用基础篇（保姆级包教会）. https://zhuanlan.zhihu.com/p/1892677772532494764.
[69] 揭秘！大模型知识库架构设计和落地困境. https://mp.weixin.qq.com/s?src=11×tamp=1745743796&ver=5955&signature=OWD1u5n7hS4i7NWfkZQarIchdoIiKZC31CnuzuCm2wV1b810lrmdV572SZ7ZE*nty5ojjrkBqshvrswEy0Nx0p-l**oINfrnfT9waOTJeqqj5K0xbHSdsdCvIUDfLK&new=1.
[120] 企业知识库案例实施分享 | 落地咨询🎉 - 小红书. https://www.xiaohongshu.com/explore/67e664bd000000001c03d602?xsec_token=ABKNka9L4C7KrGB4QpKqbecfpx8P7gypu8KuAWaIZ0LY0=&xsec_source=.