知识库驱动
长文创作
从散落各处的文件，到 AI 能调用的知识资产
让 AI 写出只有你才能写出来的东西
Miles
- 长期研究 AI 内容生产、企业知识库与 Agent 工作流
- 擅长把零散资料整理成可复用的内容系统
- 持续用本地知识库生产长文、课程、方案和复盘
- 关注企业如何把 AI 真正接进业务流程
企业长文为什么
总是写不出自己？
资料散
官网、飞书、销售话术、会议记录、客户案例，各放各的。
观点散
老板讲过很多判断，但没有变成可调用的内容资产。
案例散
项目做完了，效果、过程、截图、复盘没有进入下一篇文章。
口径不稳
同一个产品，不同人写出来像三家公司在说话。
AI 只能凑
没有资料底座，AI 只能用通识拼一篇完整但很空的文章。
写完不沉淀
每写一篇都从零开始，文章没有反哺知识库。
一条主线，五个模块
从资料整理开始，到长文发布和知识回流结束。
知识库里放什么
企业基础信息、品牌认知、行业认知、用户问题、证据素材、内容资产、禁表达、模板库
怎么整理成 AI 能用的结构
分类、入口文件、资料用途标注、索引地图、待确认区、口述资料入库
从知识库到长文 Brief
先生成写作任务书，再生成大纲和初稿，避免 AI 直接写成通用稿
结构化长文生产流程
选题、调资料、Brief、大纲、初稿、人工审核、发布、回流
发布前检查与持续更新
事实、品牌、表达、AI 可理解性检查；新案例、新问题、新表达回流知识库
企业知识库里放什么
先把材料放对地方，后面才谈得上生产长文
把文档往里一扔
还不叫知识库
那只是垃圾堆
文件堆在一起，没有分类。
用的时候不知道在哪。
找到了也不知道跟这次写作有什么关系。
AI 读了一堆不相关的东西，输出更差。
知识库是一个"上下文系统"
AI 打开知识库，能看到：
→ 这家公司是谁（身份）
→ 这家公司知道什么（知识）
→ 这家公司怎么说话（表达）
→ 什么不能说（边界）
→ 这次写什么，去哪个文件找（索引）
行业认知库
让 AI 知道"这个行业是怎么回事"——重点是你们自己的判断
| 收集什么 | 为什么重要 | 写作时的作用 |
|---|---|---|
| 核心概念 | 行业术语、黑话 | AI 用对词，不露怯 |
| 趋势判断 | 你们对未来的看法 | 文章有前瞻性 |
| 竞品认知 | 谁在做什么、差在哪 | 对比时有底气 |
| 数据洞察 | 行业数据+自己的数据 | 论证有说服力 |
| 方法论 | 你们独特的做事方式 | 这是最核心的差异化 |
怎么收集？——"顺手"原则
不需要专人整理。每次做以下事情时，多花 2 分钟：
- 开会时你对行业做了判断 → 录音转文字 → 扔进库里
- 看到一篇好文章 → 标注"好在哪"→ 扔进库里
- 做完一个项目 → 复盘里提取 3 条规律 → 扔进库里
- 客户问了一个关键问题 → 你的回答 → 扔进库里
- 看到竞品做了一件事 → 你的分析 → 扔进库里
核心原则：少写新文档，多收集你已经在生产的知识。
品牌认知库
让 AI 知道"我是谁、我跟谁说话、我站在什么立场"
我们是谁
- 公司使命、愿景、一句话介绍
- 品牌调性：严肃专业 / 犀利直接 / 温暖陪伴
- 品牌故事：为什么做这件事
- 核心优势：我们跟别人不一样在哪
谁在说话
- 创始人的核心观点和判断
- 口头禅、习惯表达、常用比喻
- 关键经历和故事（作为文章素材）
- 对行业的独特视角
我们在跟谁说话
- 核心用户是谁（不是"所有人"）
- 他们的痛点、焦虑、渴望
- 他们常用的语言和表达方式
- 他们信任什么、反感什么
我们写什么、不写什么
- 内容领域边界（什么话题我们写）
- 内容价值观（什么观点我们站）
- 竞品内容分析（我们差在哪、好在哪）
禁表达清单
告诉 AI 什么不能说——这比"该说什么"更能定义你的风格
- "今天我想跟大家聊聊……"
- "最近很多人问我……"
- "在这个时代……"
- "随着 XX 的发展……"
原因：AI 最爱用这些。一眼就能看出是 AI 写的。
- 文学腔：彼时、仿佛、涌现、萦绕
- 说教腔：大多数人都错了、真相是
- 空洞词：赋能、抓手、闭环、底层逻辑
原因：这些词让你的文章听起来像"AI 生成的标准废话"。
- "今天就分享到这里"
- "希望对你有帮助"
- "以上就是我的思考"
- "综上所述"、"总而言之"
原因：AI 的默认结尾模式。删掉它们，文章立刻有"人味"。
- 不要"首先……其次……最后"三段式
- 不要"问题-分析-解决"论文体
- 连续 3 段无案例的纯观点 → 必须打断
- 每 800 字要有 1 个真实案例
- 每 500-800 字要有 1 个可独立传播的金句
- 用"你"不用"大家"，用"我"不用"笔者"
- 像跟朋友聊天，不要写论文
用户问题库
和证据素材库
选题从问题里长出来，可信度从证据里长出来。
把真实问题变成选题来源
- 销售经常被问什么
- 客服每天重复回答什么
- 客户购买前最担心什么
- 老板和执行团队分别卡在哪里
- 用户会拿什么问题去问 AI
输出：选题库、FAQ、文章结构、标题方向
把可信材料变成论证弹药
- 客户案例、项目复盘、交付截图
- 数据反馈、用户评价、成交记录
- 行业报告、公开论文、权威来源
- 可公开引用的话术和原话
- 每条证据标注来源、时间、适用范围
没有证据素材库，长文就会变成观点堆叠。
中小企业最小
知识库目录结构
最小启动原则
不需要把所有东西整理好才开始。
每个文件夹先放 1 个入口文件 + 3 条高频材料：
- 最常被问的 3 个用户问题
- 最稳定的 3 条品牌事实
- 最能证明能力的 3 个案例或数据
这就够了。知识库已经启动了。
三个"不要"
- 不要一个文件写太长 → 拆成小文件，AI 好定位
- 不要只有你自己看得懂 → 文件名和标题要明确
- 不要一次追求完美 → 先有再改，知识库是活的
怎么整理成 AI
能用的结构
知识库要让 AI 知道每份资料能干什么。
知识从"被人查阅"
到"被任务调用"
资料堆放状态
人翻资料 → 人判断能不能用 → 人整理给 AI → AI 再生成
资料越多，越依赖熟人经验。新人找不到，AI 也不知道从哪里开始。
知识库生产状态
任务提出需求 → 知识库给上下文 → AI 生成初稿 → 人审核回流
AI 的价值不在替你“找灵感”，而在低成本调用已经整理好的企业知识。
所以关键问题是：每份资料进入知识库时，就要写清楚它的用途。
写文章时再临时解释，已经晚了。入库时就要完成分类、标注、索引和边界。
资料先分类
再谈调用
同一份资料放错地方，AI 就会在错误场景里使用它。
资料名称：XX 项目复盘
资料类型：客户案例 / 项目复盘
适用场景：写长文、销售话术、课程案例
能证明什么：客户从混乱资料到稳定内容产出的变化
不能证明什么：不能承诺所有客户都会得到同样结果
分类时先问三个问题
- 这份资料是在介绍企业、证明能力，还是表达观点？
- 它适合写文章、做销售话术，还是做内部培训？
- 哪些内容可以公开，哪些需要脱敏或待确认？
- 文件夹数量不重要，关键是用途清楚
- 每个文件都要能被 AI 判断“什么时候用”
- 没有边界的资料，宁可先进待确认区
给知识库做
入口文件和索引地图
不要让 AI 从一堆文件里盲找。先给它一张路线图。
写企业长文时，优先读取：
1. 04_用户问题库/：确定读者真正关心什么
2. 03_行业认知库/：补背景、趋势、术语
3. 02_品牌认知库/：校准品牌事实和立场
4. 05_证据素材库/：找案例、数据、来源
5. 07_禁表达清单/：检查风险和语气
入口文件写什么
- 这个文件夹里有什么
- 每类资料适合什么任务
- 哪些资料优先级最高
- 哪些内容需要人工确认
- 新人知道从哪里看
- AI 知道先读什么
- 团队知道资料缺口在哪
口述内容
先入库再使用
老板口喷、会议录音、访谈记录，都要先变成可复用材料。
口述内容入库流程
口述材料最适合沉淀什么
- 创始人的判断和表达习惯
- 销售一线的真实客户问题
- 客服反复解释的边界和限制
- 项目复盘里的经验教训
- 口述不能直接变文章
- 先变成知识库材料，再进入长文流程
- 这样才能复用，而不是用完就丢
资料进入知识库之前
先过这四关
| 动作 | 要回答的问题 | 产出 | 对长文的作用 |
|---|---|---|---|
| 分类 | 这份资料属于哪类知识？ | 放进正确目录 | 避免 AI 乱用材料 |
| 标注 | 它能证明什么，不能证明什么？ | 资料用途说明 | 让文章有证据边界 |
| 索引 | AI 应该从哪里开始读？ | 入口文件和索引地图 | 降低查找成本 |
| 确认 | 是否可公开、是否需要脱敏？ | 待确认区和审核记录 | 防止事实和合规风险 |
整理知识库的目标，是让 AI 在写长文时知道该用什么、怎么用、哪里不能乱用。
结构化长文生产流程
不要让 AI 直接写。先把写作任务组织成 Brief。
从知识库到长文
只跑一条主流程
选题
从用户问题库里找真实问题，不从热点和灵感开始。
调资料
调行业认知、品牌事实、案例证据和禁表达清单。
Brief
先形成写作任务书：读者、判断、案例、边界、结构。
初稿
AI 根据 Brief 生成大纲和初稿，人负责确认方向。
审核回流
事实、品牌、表达、AI 可理解性检查，通过后入库回流。
先写 Brief
再让 AI 动笔
让 AI 先读懂任务
- 主题：这篇到底写什么
- 目标读者：谁会读，读完要改变什么判断
- 核心观点：文章要站在哪个立场上
- 可用材料：案例、数据、品牌事实、行业背景
- 不能写什么：夸大承诺、敏感信息、错误口径
把“写一篇文章”变成可执行任务
- 避免 AI 上来就写通用科普
- 让每个分论点都能找到材料来源
- 让品牌出现得自然，不像硬广
- 让审核时有标准，不靠感觉改稿
把 Brief 交给 AI
再生成大纲和初稿
提示词不用花哨，关键是读取顺序和材料边界。
先读取 长文Brief.md
再读取 Brief 里列出的材料来源：
用户问题库、行业认知库、品牌认知库、证据素材库、禁表达清单
// === 先生成大纲 ===
请输出文章大纲。每个分论点后面标注：
1. 使用了哪条材料
2. 还缺什么证据
3. 哪些地方需要人工确认
// === 大纲确认后再写初稿 ===
初稿要有具体案例，不写成行业科普，不编造资料外的信息。
这个提示词在控制什么？
- 先读 Brief → 明确任务，不乱发挥
- 再读材料 → 知道事实从哪里来
- 先出大纲 → 人先判断方向
- 标注缺口 → 不让 AI 假装资料完整
团队真正复用的是一套 Brief 模板和审核流程，单句提示词只能解决一次问题。
同一个主题
三种输入，三种结果
演示不需要很重，关键是让学员看见知识库前后的差异。
直接让 AI 写
请写一篇关于企业知识库如何提升长文生产效率的文章。
结果：完整，但很像通用科普。
加入知识库 Brief
主题、读者、核心判断、用户问题、案例、品牌事实、禁表达清单一起给 AI。
结果：具体，有案例，有边界。
加入人工审核
补证据、删夸大、调语气，把初稿改成可以发布的企业长文。
结果：能代表企业说话。
演示只需要证明一件事：知识库能把文章从“通用稿”变成“企业自己的内容”。
AI 出初稿以后
人要做四个判断
事实
案例、数据、客户名、效果描述有没有来源。
品牌
口径是否一致，品牌出现是否自然，有没有乱夸。
表达
有没有模板腔、空泛词、机械结构和不自然转折。
回流
这篇文章新增的问题、案例、金句、禁表达有没有入库。
发布前检查
写完只是半成品。真正能发的企业长文，要先过事实、品牌、表达和可理解性四道门。
先过四道门
再考虑发布
检查先确认四件事：没有编造、没有越界、没有跑偏，也不会被 AI 或读者误解。
事实门
- 案例、数据、客户名是否来自资料。
- 效果表述有没有来源和范围。
- 待确认内容是否明确标出来。
品牌门
- 品牌身份、产品名、服务名是否一致。
- 有没有写出不能承诺的能力。
- 品牌出现是否自然，不像硬广。
表达门
- 有没有空泛词、万能句和模板腔。
- 段落是否真的在推进判断。
- 读起来像人在讲，不像资料卡。
可理解门
- 概念有没有定义清楚。
- 步骤、对比、边界是否能被单独抽取。
- AI 读到片段后是否会误解你。
GEO 在这里不用单独展开。
只要文章回答真实问题、结构清楚、事实可追溯、边界不乱写，它天然更容易被 AI 正确理解。
同一段内容
检查前后差别很大
现场不需要做很重的工具演示。让学员看到一段“通用稿”怎么被知识库、品牌边界和发布检查改成企业自己的表达，就够了。
根据 品牌认知库、证据素材库 和 禁表达清单，检查这篇文章：
哪些地方没有证据？哪些地方品牌承诺过重？哪些句子像通用营销稿？哪些段落会被 AI 抽取后误解？
把“感觉能发”
变成“确认能发”
发布前检查的目标，是确认这篇文章能代表企业说话。
不要让一个人
同时背所有责任
长文生产可以由 AI 提速，但知识库、事实边界和品牌判断必须有人负责。分工越清楚，返工越少。
业务负责人
- 确认事实、案例和行业判断。
- 决定哪些内容能公开。
- 补充真实场景和客户问题。
内容负责人
- 负责选题、Brief、大纲和初稿。
- 把资料组织成一条判断链。
- 保证文章读起来顺，不像拼接。
品牌负责人
- 确认品牌口径和禁表达。
- 判断是否过度承诺。
- 控制品牌出现的方式和力度。
知识库负责人
- 维护目录、入口文件和索引。
- 把发布后的新资产回收入库。
- 定期清理过期和冲突内容。
AI 可以帮你写得更快，但不能替企业承担判断责任。
越是要规模化生产长文，越要把责任拆清楚。
演示只保留一件事
从资料到初稿
课堂不要变成工具清单。演示的目的，是让学员看到“知识库怎么被调用”，工具名放在次要位置。
1. 选一个真实主题
从用户问题库里选，不从“今天想发什么”开始。
2. 调用知识库
行业认知、品牌认知、证据素材和禁表达同时进入上下文。
3. 生成 Brief
先明确读者、观点、材料、边界，再让 AI 写大纲。
4. 生成初稿
初稿负责组织材料，人负责判断和发布前检查。
演示占比控制在 10 到 15 分钟。
重点讲清楚流程，不讲一堆工具名。工具只是入口，知识库才是生产系统。
一篇文章结束后
要留下四类资产
如果文章发完就结束，下一篇还是从零开始。真正有价值的是把写作过程中产生的新东西回收到知识库。
新问题
写作中发现的客户追问、评论区问题、销售高频问题，回到用户问题库。
新案例
文章里用到的项目过程、效果证据、截图和复盘，回到证据素材库。
新表达
被证明好用的标题、开头、类比、段落结构，回到内容模板库。
新禁区
审核中发现的风险表述、夸张承诺、品牌不适合的说法，回到禁表达清单。
知识库是一项长期资产。它靠每一篇文章、每一次复盘、每一次审核慢慢变厚。
让知识库自己长大
你每写一篇，知识库就强大一点——从个人工具到组织能力
用知识库写文章
文章反哺知识库
写作反哺
每篇文章写完，AI 自动提取文中的新案例、新金句、新观点，按分类入库。文章本身就变成了知识库的养料。
对话反哺
开会录音、客户沟通、随手记录的灵感——AI 自动整理、标注、分类入库。你不需要"写"知识库，你只需要留下痕迹。
外部抓取
对标账号的好文章、行业报告的关键洞察、热搜话题的变化趋势——定期抓取并标注"为什么值得存"。
知识库最后沉淀成
组织能力
人不走，知识不走
一个员工离职了，他的判断、经验、写过的案例留在库里。新来的人打开知识库，全公司的经验等着他。
新人上手速度翻倍
以前新人靠"跟着老员工学"。现在新人打开知识库，行业认知、品牌设定、案例库、风格规则——全部可以自学。
团队产出风格一致
3 个人写出来的东西，风格统一。因为大家都在同一套知识库的基础上工作，风格不再只靠感觉。
一个公司最深的护城河，常常不在产品和渠道。
它在别人偷不走、挖不走、抄不走的知识资产里。
今天就能做的三件事
建 5 个文件夹
行业认知、品牌认知、禁表达、案例素材、写作规则。5 分钟搭好骨架。
今天
每个放 3 个文件
核心观点、经典案例、最好的文章。不要追求全，先追求有。
这周
跑通第一篇
选一个真实问题，用结构化流程跑通一次从 Brief 到发布检查的完整链路。
这个月
你有能力写，只是每一次都被迫从零开始。
知识库让你不需要从零开始。