把手册变成会答话的机器人七成功夫在清洗

这是「AI 落地四形态」系列的第三讲。上一讲的结尾钩是：当团队开始问「员工会问手册里的内容，答案要带出处」，轻量形态就不够用了——这一讲就讲接下来这一格。

业务故事：企业网络设备手册几百页，故障知识散在七八个分册（配置指导／故障处理／告警参考／命令参考）。值班工程师翻手册得先知道在哪一章，翻到还要在几十页表格里找自己的型号版本；老师傅会退休、手册会更新、旧结论会失效——知识始终没变成可检索的资产。现在变成聊天里问一句，几秒后拿到五段式答案：结论／置信度／依据（精确到手册章节）／修复建议／风险提示，还带一张诊断流程图。

形态定义：平台侧承载知识库与问答应用，执行体侧做入口与调度。关键认识是知识管理拆两段——清洗在库外、分段入库在库内；认知主体在平台应用（检索逻辑、回答约束、输出格式都固化在应用里，可调试可调优可验收），执行体是调度员不抢戏。权限的务实做法：权限单位到「应用」为止、库内文档不分级，所以业务隔离靠拆两层物理边界。

为什么知识要放平台：18 条固定用例双跑实测（A 路执行体直连检索自己组织、B 路调平台应用），检索参数锁死不调参，B 路明显胜出——① 输出契约稳定（五段式锁死，A 路格式会漂移）② 图回传可靠（图清单机制稳定带回物理图文件）③ 回答聚焦（锁死「只依据检索片段」，A 路会夹带无关内容）。金句：格式的专业性本身就是答案质量的一部分——知识问答场景里，稳定性比灵活性值钱。

五步链路：① 意图识别，概率性环节用意图分类加确定性兜底 ② 查询改写带规则闸门——实测「OSPF 典型配置举例，请带上组网图」被改写成「OSPF典型配置组网图」、「举例」被吞导致检索跑偏，解法是丢了内容类型词就回退原文检索 ③ 多库检索加重排，每库参数独立、按库试出来 ④ 模型按契约组织答案 ⑤ 图清单回传。

七成功夫在清洗：成本大头不在应用编排，在清洗。不洗直接入库会把「页眉 + 正文开头 + 表格碎片」切成一个段落，模型拿到噪声后答得自信但依据是错的。四步流程——摸底（格式盘点）／分类（看内容形态而不是文件后缀）／分类型处理／质量门禁，一步都不能跳；还要查「清洗过度」这个易忽略维度。实测工时分布：摸底 5%、清洗 55–70%、门禁 10%、分段入库 10%、检索调优 10%。立项别按「文档传进去就好」估。

成本的正面回答：执行体自带的「零成本」是假零成本——知识多了返工成本会吃掉省下的部署费。知识少用最轻形态，知识到了要管理要出处的规模，部署成本是固定的小头，检索与契约能力是长期的大头。上线之后靠命中测试（几十条固定问题集，像检索质量的回归测试）维持。上线三个月后的质量，取决于运维机制，不取决于当初的搭建水平。

三个真实坑：① 「突然没图了」是假故障——真问题是库级检索配置在迁移中丢了、回退成默认参数，配置核对要进上线检查清单 ② 模型偶发空输出但节点状态显示成功——验收必须查输出内容长度 ③ 查询改写丢关键词不是偶发。共性：改写模型、检索配置、模型输出都是「看起来正常、坏起来隐蔽」的单点不稳定源，从「演示好看」到「生产可靠」的分水岭就是装确定性闸门。

收尾：这套形态在四格拼图里是「问」的那条链，选型标准一句话——展示面要确定性，执行面要自主性。下一讲进入最后一格：敢不敢让 AI 碰真实系统。

完整文字版见下方文章。