智能体没有知识库底座就是空壳3个能力全是知识库给的
智能体没有知识库底座，就是空壳？3个能力全是知识库给的
最近有个老板很兴奋地找图老师，说给公司上了AI智能体，让销售部每人配一个，替他们答客户问题。
上线一个月，销售总监来投诉了。
智能体把三年前已经停售的产品报给了客户，还说得很自信。
老板问我，是不是模型不行，要不要换个更强的。
图老师看完他们的搭建方式，问题根本不在模型。
他们的智能体直接接的公网大模型，公司自己的产品资料、价格政策、停售清单，一样都没喂进去。
智能体看着是个机器人，里面装没装你家东西，决定了它是员工还是吉祥物。
今天把这件事讲透，智能体真正值钱的三个能力，全部是知识库给的。
能力一答得准靠知识库
智能体第一个能力，答得准。
这个能力常被归功于大模型，其实拆开看，模型只负责组织语言，答得准不准，取决于它检索到了什么。
公网模型的知识来自它的训练数据，训练数据里有全世界的常识，唯独没有你公司的事。
有人会问，我把公司资料贴给它不就行了。
单次贴有用，但它记不住，这个员工贴过，下个员工再贴一遍，每个对话都是失忆重来。
而且贴的过程本身就是把内部数据送上公网服务器，后面讲私有化的时候细说这个坑。
你们的产品目录、价格政策、质检标准、工艺参数，这些内容从来没有进过任何公网模型的训练集。
它不知道是正常的，编一个答案也是它训练出来的本能。
知识库补的就是这一块。
把公司的产品资料、制度文件、历史记录全部结构化入库，智能体回答之前先检索，检索到什么说什么，检索不到就说不知道。
南京大学的MatSeek平台就是这么跑的，课题组文献灌进知识库之后，检索精准度做到95%以上，检索结果可以直接引用进论文。
同样的模型，接不接知识库，是两种完全不同的生物。
能力二记得住靠知识库
第二个能力，记得住。
很多企业上智能体图的就是这个，把老员工的经验留住，让新人随时能问。
但经验这个东西，默认状态是锁在人脑子里的。
老师傅判断问题的依据、踩过的坑、客户的特殊要求，这些内容不在任何文档里，人一走就带走。
知识库做的事情，是给这些经验一个安身的地方。
图博数智给昆山源和环保做方案生成系统的时候，第一步不是写代码，是把老工程师二十年的项目资料、方案模板、判断依据整理入库。
入库之后，AI生成新方案初稿，每一步都能回溯到历史项目，老师傅的经验第一次变成公司查得到的资产。
新人问智能体，智能体查知识库，知识库里是老师傅沉淀的判断。
这条链路里，智能体只是个传声筒，真正值钱的是库里的东西。
库是空的，传声筒再高级也没用。
能力三可追溯靠知识库
第三个能力最容易被忽略，可追溯。
智能体答了一个结论，你问它凭什么，它能给出处吗。
没有知识库的智能体，给不出。
它的回答是模型生成的，从概率里来，你没法审计一段概率。
这在闲聊场景无所谓，在企业的关键流程里是致命的。
报价单上的数字、合规审查的结论、给客户的承诺，每个都得有出处，出错要能定位到源头。
知识库改变了这个局面。
智能体的每条回答，都标注来自知识库的哪份文档、哪个位置，答案和源头之间有一条看得见的线。
图博数智给南通华为电力做的标书报价，AI给的每条报价建议都能回溯到历史项目和供应商数据，报价团队敢让它碰急单，靠的就是这条线。
审计、合规、追责，全都建立在这条线上。
审计、合规、追责，全都建立在这条线上。
三个能力摆在一起，就明白为什么很多企业的智能体项目烂尾了。
缺知识库的智能体，答不准、记不住、溯不了，三样全占，员工用两周就弃了，老板看数据报表，得出结论AI不行。
三个能力摆在一起，就明白为什么很多企业的智能体项目烂尾了。
缺知识库的智能体，答不准、记不住、溯不了，三样全占，员工用两周就弃了，老板看数据报表，得出结论AI不行。
其实不行的不是AI，是没给AI配大脑。
一句话总结这三个能力，智能体是手，知识库是脑，手上功夫再花哨，脑子里没货，干出来的全是虚活。
三个能力怎么验证
聊了这么多，给你一个验证自家智能体成色的方法。
拿三个问题去问它。
第一个，问一个只有你们公司才知道的问题，比如某款老产品的停产原因，看它答得准不准。
第二个，隔一周再问同样的问题，看它还记不记得。
第三个，追问它凭什么这么答，看出处给不给得出。
三问全过，底座是实的，可以放心往业务深度场景走。
一问就露馅，先补知识库，别急着扩场景。
企业上智能体的正确顺序
讲到这里，正确顺序就出来了。
第一步，盘点你的知识资产，产品资料、制度文件、历史记录、老师傅经验，列个清单，看有多少能入库。
第二步，建知识库，把这些资产结构化沉淀，名词统一，关联打通。
第三步，才是接智能体，让它站在知识库上干活。
顺序反了会怎样。
先上智能体再补知识库，员工用一个月发现全是错漏，口碑砸了，后面再补库也没人信了。
图老师见过太多企业把预算全砸在智能体平台选型上，知识库一分钱不投，本末倒置。
预算的参考比例，知识库和智能体至少七三开。
建库的阶段占大头，资料整理、名词统一、关系梳理，这些活看着不酷，决定了后面一切。
图博数智的项目里，FDE进场第一件事永远是帮客户盘知识资产，没有例外。
图博数智的交付路径一直是先库后体，inFab知识库平台就是干这个的，把企业的资料和经验变成智能体能用的底座。
团队约八成是FDE，贴着客户业务把名词和规则一条条理出来，这个苦活没有捷径。
一句结论可以单独记下：智能体的上限，不是模型决定的，是它脚下的知识库决定的，选智能体之前，先看你的知识库建没建。
关注我，图老师每天分享一个企业AI落地的真问题、真办法。