《Agent的上限，可能不在模型，而在团队知识》

腾讯安全中心团队分享了他们建 AI 知识底座的完整过程，踩过的坑和方法论都值得参考。核心问题是：Agent 上了一线之后，知识管理的痛点变了——不是 Agent 读不懂长文档，而是检索不准、注入低效、过时内容越堆越多。

1. 人机共读，不要建两套知识库容易走偏的地方是把"给人看的"和"给 Agent 看的"知识分开做。结构化知识（带适用条件、核心结论、应做/不应做）解决检索精度和注入效率两个问题，但一条知识如果人看着都莫名其妙，维护质量不会好，早晚腐败。所以原则是一套知识库人和 Agent 都消费，人看着舒服、Agent 检索得准。本质上是从"仓库思维"（存得多）转向"供给系统思维"（匹配准、注入快、过时自动淘汰）。

2. 动手前先想清楚四个问题服务什么场景？谁来消费、怎么消费？装什么内容？怎么算成功？他们的案例：12 个研发 Agent 覆盖需求评审到代码审查全链路，目标定成"需求交付从天级压到小时级，代码审查轮次从 2-4 轮降到 1.1 轮"。目标一旦清楚，后面设计就顺了——比如判断"沉淀靠人一定失败"，就直接决定把知识生产绑死在流程节点上，不指望人主动写。

3. 六步搭建法，每步都有明确交付物1）知识盘点：按 L1 公共基础、L2 业务领域、L3 场景策略、L4 事件增量四层摸家底；2）选型：文档型、结构化存储、RAG 向量型三种形态组合用，不要只建一种；3）工具平台：有中台用中台，MCP 按业务域拆多个 Server，别把工具堆一起；4）知识生产：四种模式并行——流程自动沉淀、复盘 Agent 驱动更新、Agent 自动生成、运营即时沉淀，铁律是别指望人主动写；5）知识治理：准入双门禁（已上线+已关联仓库才能入池）、三层质量分级、90 天有效期保鲜、自动退场+复活兜底；6）分发消费：从"Agent 自己搜"换成"平台主动注入"，任务开始前就把相关知识打包塞好，注入即记账，可追溯每条知识被谁用了多少次。

4. 飞轮怎么转起来交付越多→知识越厚→Agent 越强→交付更快，这个循环一旦启动是自增强的。关键设计是"用即积累"：复盘 Agent 每周扫会话记录，答不上来的问题自动变成一条 MR 去补知识，用户每次对话都在帮知识库查缺补漏。还有一条经验很实在："敢于不沉淀"——很多需求做完没什么好沉淀的，系统直接判断跳过，知识库密度比体量重要。

5. 怎么让人愿意参与不是靠 KPI 压贡献（人被逼写的知识质量低，维护意愿更低），而是让沉淀这件事本身不产生额外工作量——正常做需求、正常上线，知识就跟着自动留下来了。贡献榜、自评引用这些是锦上添花，核心还是流程自动化把活干了。

跑下来的实际数字：需求交付天级压到小时级，代码审查从半小时降到均值 3.4 分钟，风险事件日处置量从 400 条涨到 1200 条，99.7% 的知识由流程自动沉淀，人几乎感知不到额外负担。

人的角色也变了——不再是知识搬运工，而是知识质量的把关人。Agent 干重复的 80%，人做判断和纠偏的 20%。

访问：mp.weixin.qq.com/s/VmH96QDoqrcV0tSUF2YCMQ

how i ai 程序员