摘要：在信息爆炸的时代，知识库如何从“躺进收藏夹吃灰”到真正被用户高效利用？本篇文章将深入解析 AI 知识库 3.0 的升级方案，探讨如何通过智能检索、内容优化和交互设计，让知识真正流动起来，提升用户的学习与应用效率。

在信息爆炸的时代，知识库如何从“躺进收藏夹吃灰”到真正被用户高效利用？本篇文章将深入解析 AI 知识库 3.0 的升级方案，探讨如何通过智能检索、内容优化和交互设计，让知识真正流动起来，提升用户的学习与应用效率。

这是不是你？看到干货文章疯狂收藏，结果躺在收藏夹吃灰；想了解学习最新的AI工具，点进去却被满屏专业名词劝退；充满期待地点开《一分钟教你用AI赚钱》，《3分钟教你用AI生成10条短视频，播放量百万》，以为是“什么武功秘籍”，看完后才发现是九块九包邮的”屠龙术”…

概括起来大家在做知识采集过程中，或多或少会遇到这几个问题：

关于AI知识库之前已经写过2篇文章了，有兴趣的小伙伴可以点击链接考古：

总体方案思维导图

整体方案我是从资料从哪里来、资料怎么整理、资料怎么应用三大方面思考拆解为以下脑图：

1）资料来源

知识库的素材来源有两大路径：一方面是希望由AI自动在网站上爬取，根据我设定好的规则筛选摘录，另一方面是我自己平时看到觉得好的文章，按照规则摘录进知识库。由此可以梳理出以下两条工作流：

2）资料规范

不管是人工或者是AI检索的文章是很多样的，需要按照统一的标准规范记录到知识库，这样后续不论是自己看，还是检索或者AI推荐阅读文章规则，都有依据。这里我是根据我的使用习惯，设定了以下几个字段。并据此在飞书中创建知识库的多维表格。（对应表格中列表应该选择的类型详见下方截图）

3）资料应用

AI可以替代人工去收集整理资料，但是无法替代人去学习。收集有用的资料进知识库只是第一步，更重要的是后续要怎么用起来。这里我考虑了两大场景，一方面是当用户主动输入需求发起检索，另一方面是希望知识库Agent能够自动定时的推送，提醒用户来阅读。由此也梳理了对应工作流：

智能体搭建平台：Coze

搭建内容：工作流（Workflow）X5，智能体X1

操作路径：工作空间-资源库-资源-工作流

平台费用：创建免费，工作流运行时调用插件及大模型需消耗Token。平台账号可免费注册，每日有免费Token额度，超额需充值

步骤1：创建人工精选文章整理工作流

目标及场景：当“我”看到觉得有价值的文章内容时候，只需要给我的智能体发送文章链接，智能体就可以帮我通过文章链接，整理成对应的内容，收录进知识库。

工作流节点：下图是配置完成的工作流，除了必须的开始及结束节点外，主要包含4大节点：

3.大模型②：主要是用于将大模型①输出的字段，按照飞书文档要求的传入格式进行整理，这里也可以使用节点进行替代；

4.飞书多维表格：这也是一个插件节点，在插件库中，检索“飞书”，找到下图中的插件。app_token字段复制上前面创建好的文档地址，records字段直接引用大模型②输出的字段；

链接好工作流全部节点后，点击试运行，随便贴进一个文章的链接，看是否能够运行成功，飞书多维表格返回“success”即代表写入成功，即可点击右上角发布；

目标及场景：AI可以固定频次从高质量网站（如：人人都是产品经理）采集AI相关优质文章，按照我要求的格式整理进我的知识库（飞书文档）

工作流节点：下图是配置完成的工作流，除了必须的开始及结束节点外，主要包含3大节点：

1.文章获取：这是一个插件节点，可通过插件库中检索“人人都是产品经理”，这个插件的能力是可以从人人都是产品经理的网站，帮我一次性获取到30条的热门文章标题/热度/时间/文章链接等。

同理，也可以选择从别的平台获取文章的插件。我是觉得这个平台始终坚持人工审核文章内容，文章质量和学习性比很多平台高很多，而且热榜是编辑团队已经审核并且受到众多读者喜欢的，筛选出来的文章质量有一定的保证。

2.大模型：这里大模型节点，主要是用于筛选AI相关的文章。上一节点中30多条的热门文章可能不都是AI相关的，所以这里在大模型提示词中，要求它整理出与AI相关的文章链接。

3.循环：添加循环节点包含循环及循环体两大部分，循环体中是具体的循环动作，循环则控制了该节点输入和输出的字段。这里的循环节点，主要负责是将上一节点中大模型筛选出来的AI相关文章，逐条文章url进行解析，内容提取分类，写入飞书知识库（这里的步骤和步骤1中创建的人工精选文章整理工作流一致，所以这里直接复用步骤1中的工作流）。在循环体中还有一个设置变量的节点，这个节点的目的是为了保证每一篇文章的url都需要遍历这个流程而添加的。

链接完所有的流程，试运行成功后，点击右上角发布工作流。

步骤3：创建用户主动检索工作流

目标及场景：当用户输入想要了解的内容时，智能体可以检索知识库中的文章，整理推荐出最匹配用户需求的文章。（实际呈现效果如下图）

工作流节点：下图是配置完成的工作流，除了必须的开始及结束节点外，主要包含2大节点：

1.表格内容读取：这是一个插件节点，通过插件库添加，在插件库中搜索飞书多维表格，找到下图的插件选择添加，app_token处输入要读取的多维表格链接。

2.大模型：这里我通过提示词给AI的任务是，让它通过剖析用户查询意图，依据特定规则从知识库筛选匹配文章，按评分机制计算总分并按规则推荐，还需在用户有疑问时解释评分依据，按要求格式呈现至多 5 条推荐结果。下图是我设计的推荐评分体系。

步骤4：创建自动内容推荐工作流

目标及场景：当用户没有主动要求检索内容时，Agent可主动触发推荐最新收录的文章，附上文章推荐语方便用户筛选，点击链接可直接跳转阅读原文。

1.表格内容读取：这是一个插件节点，通过插件库添加，在插件库中搜索飞书多维表格，找到下图的插件选择添加，app_token处输入要读取的多维表格链接。

2.大模型：这里大模型的提示词与步骤3中的有所不同，定义了它从指定知识库中按收录时间最近优先、同收录时间按发布时间由近及远的规则筛选最新文章，结合摘要或主题内容生成推荐语，按特定格式展示标题、链接及推荐语，无文章时告知用户 “当前没有可推荐的文章”。

链接完所有的流程，试运行成功后，点击右上角发布工作流。

步骤5：创建文章内容播客工作流

目标及场景：实现下班途中碎片化途中，播放文章内容，提升知识库资料利用率。（下图是试运行的效果，最终会生成一个语音url）

1.链接读取：这是一个插件节点，通过插件库添加，用于获取链接中的内容；

2.大模型：因为上一节点，插件会输出很多的字段，需要整理成更流畅清晰的文本内容；

3.文本转语音：这也是一个插件节点，在插件库中检索“文本转语音”即可找到，是扣子官方出的一个插件。test变量直接引用上一节点中大模型整理好的文本即可。

步骤6：创建智能体

目标及场景：为了方便后续的使用，需要创建一个智能体，通过设置提示词，配置工作流及定时触发任务，实现以上所有工作流的串联和协同调用。

智能体任务：用下表整理了智能体要执行的工作流和对应工作流执行的条件；

智能体配置

1.添加插件：在插件栏添加两大插件，获取当前时间及连接读取，这是为了让智能体能够识别用户跟它对话的时间，当用户给它发送文章链接时，可以先通过插件读取内容，判断是否还有营销卖课引流等信息，做初次筛选；

2.添加工作流：添加上述方案中所有配置好的工作流，以便智能体能清楚的知道后续要调用哪些工作流；

3.添加触发器：这里配置了定时收集AI相关文章还有每日自动推荐文章内容的两条工作流，触发器支持定时或者按照事件触发两种类型，这里用的是定时触发；

4.编排人设：在左侧的人设与恢复逻辑中，定义好智能体的工作流，什么情况下调用什么工作流，具体的工作流用{{}}进行引用；

5.预览与调试：在右侧进行测试，确认完成后，

现在铺天盖地AI的资讯文章很多，越是在学习，越是感觉“知道的越多，知道的越少”。在摸着石头过河中，我对于AI学习也有了一些心得：

AI学习要广撒网，但是一定要收线：AI领域的知识体系庞大且交叉性强，从自然语言处理（NLP）到计算机视觉（CV），从强化学习到多模态模型，底层逻辑相互关联。每一个分支展开都是庞大的学习量，也都值得深入学习摸索。但是人的精力毕竟是有限的，如果广而全最后只能狗熊掰棒子。自己要给自己定一条主线，根据主线再去找补齐主线的碎片化知识。（BTW这也是我为什么一直思考怎么迭代知识库的原因。）这样效率才会比较高，不会陷入迷茫。

AI是阿基米德的支点，不是神话中的阿拉丁神灯：AI不是神灯，只要许愿就能满足所有需求，它本质是“杠杆”，它只能放大人的能力，无法替代人的思考和判断。AI 依赖于数据和算法，没有高质量的数据，AI 模型就无法进行有效的训练。同时AI 的决策是基于数据和数学模型它可能会出现错误或者偏差。部分营销号鼓吹“AI一键生成爆款文章”、“掌握某某AI技术，一夜暴富”看起来真的很吸引人，但是可能作者完全没有体验过，就吹得天花乱坠。面对此类资讯或者产出时，始终要有自己的判断，不能盲信盲从。

沉淀才是护城河：AI淘汰的不是人，而是不会用AI的人。尽管AI技术迭代极快，但底层方法论和实战经验会随时间增值。通过撰写技术笔记、复盘项目案例、构建个人知识体系，才能在 AI 领域建立起属于自己的壁垒。

本文由 @笛仁杰 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

来源：人人都是产品经理