知识库不是资料仓库：GEO 产品如何让 AI 讲对品牌
做 GEO 产品时，有一个动作很容易带来安全感：把资料传上去。
公司介绍、产品手册、销售方案、案例文档、报价说明、公众号文章，一份接一份放进知识库。文件列表越来越长，好像品牌信息已经准备充分，AI 接下来只要读取这些资料，就能准确地理解品牌、生成内容。
但我后来发现，“文件已经上传”和“品牌事实可以被正确使用”，中间隔着很长一段路。
一份资料可能已经过期，另一份资料可能只适合内部沟通；同一个产品名称在几份文件里写法不同，某个价格没有生效时间，某个案例缺少公开页面，某段文字甚至只是当时为了提案写下的设想。把这些内容一起交给模型，并不会自动得到更准确的答案，反而可能让不确定的信息被说得更流畅。
所以，我现在理解的知识库，不是一个让模型“知道得更多”的资料仓库。
它真正要解决的是：这句话能不能说，依据在哪里，适用于什么时间和场景，以及什么时候应该停下来承认证据不足。
01 文件存在，不等于品牌事实可用
在上一篇里，我写到问题库定义“应该回答什么”。但问题确定以后，新的困难马上出现：品牌有没有能力回答？
比如，用户问一个产品适不适合某种场景。品牌资料里也许有产品说明，却没有适用条件；用户询问价格，文件里也许有一张旧报价表，却没有版本日期；用户想核验服务范围，公司介绍和销售方案里却出现了两套不同说法。
如果产品只负责把文件交给模型，模型很可能从这些片段里拼出一个看似完整的结论。它未必是在胡编，因为每句话似乎都能在资料中找到影子；但它也未必正确，因为资料之间的时间、权限和语境已经被抹平了。
这让我意识到，品牌知识最小的管理单位不应该只是“文件”。
真正会进入回答的，是文件里的某一段事实：它来自哪里，位于哪一页或哪个标题下，是什么时候形成的，是否仍然有效，能否对外公开，和其他资料发生冲突时谁更可信。
文件只是容器。知识是否可用，取决于其中的事实有没有清楚的边界。
也正因为这样，我没有把“上传成功”直接等同于“知识可用”。在当前产品里，文件上传后还要经过解析和索引。处理中、可以检索、处理失败、索引未就绪，是不同的状态。一个文件出现在列表中，并不意味着内容生成已经可以依赖它。
这个设计看起来增加了一层等待，却保护了一个基本事实：产品不能把“已经收到文件”包装成“已经理解文件”。
02 第一步不是让 AI 读文件，而是让事实可以被定位
资料要从文件变成可使用的知识，第一步是结构化。
一份几十页的文档不能只留下文件名和一整块正文。产品需要把它拆成可以检索的片段，同时保留片段原来的位置：它来自哪份文件、哪一页、哪个标题、在文档中的什么位置。
为什么位置这么重要？
因为内容生成以后，团队不能只看到“系统参考了知识库”。这句话过于笼统。真正有用的问题是：它参考了哪一段？那一段原来在说什么？如果结论有争议，应该回到哪里核验？
在豆见 BeanInsight 当前的实现里，知识片段会保留文件名、标题路径、页码、位置、内容标识和解析版本等信息。它们不应该出现在公开文章里，却应该留在产品内部，成为生成过程的定位线索。
这里有一个容易忽略的取舍：片段不是越小越好，也不是越大越好。
切得太小，一句话可能失去前提，数字和单位被拆开，结论离开了适用条件；切得太大，检索会带回大量无关内容，真正相关的事实反而被淹没。相邻段落什么时候应该合并、标题怎样成为上下文、表格和列表怎样保留含义，都会影响模型最后看到的事实。
所以，解析不是上传后的一个技术步骤，而是证据链的第一段。如果这一段已经丢失语境，后面的检索和生成再聪明，也只能在不完整的材料上工作。
03 第二步不是把资料全部塞给模型，而是找到与问题有关的证据
文件被拆成片段之后，也不应该把所有片段一次性交给模型。
资料越多，上下文并不一定越好。无关内容会争夺注意力，重复内容会让某种说法显得比实际更可靠，旧版本和新版本同时出现时，模型也未必知道应该相信哪一个。
因此，知识库的第二个任务，是围绕这一次具体问题，找出相关证据。
当前产品会在用户和项目范围内检索可用的知识，也可以限定到用户选中的知识库。它只读取当前可用的索引版本，对候选片段做相关性排序、去重，并在合适时合并相邻内容；同时限制单个文件和整个上下文能进入多少材料。
这些规则不是为了追求一个更复杂的检索过程，而是为了让模型看到的材料有明确理由：不是因为“资料库里有”，而是因为“这段资料和这次要回答的问题有关”。
更重要的是，检索必须允许没有结果。
如果产品无论问什么都返回几段资料，用户会误以为知识库已经提供了依据。实际上，那可能只是系统从现有文件里找出了几段勉强相似的文字。相关性不足时，最诚实的结果应该是“没有找到相关证据”。
目前，当用户明确选择某个知识库参与内容生成，而系统没有找到可检索的相关材料时，产品会拒绝把这次生成继续包装成一次“使用了知识资料”的成功。知识库不存在、索引未完成、索引失败、查询失败和没有相关证据，也需要被区分开来，因为它们对应的下一步完全不同。
有时是继续等待，有时是修复处理过程，有时是补资料，也有时是承认品牌暂时回答不了这个问题。
这种“没有答案”的状态不够漂亮，却比一篇建立在弱相关材料上的完整文章更有价值。
04 第三步不是照着资料写，而是决定哪些内容可以公开表达
找到了内部证据，还不等于可以直接把它写进公开文章。
这是我做知识库时逐渐明确的另一个边界：内部知识资料和公开引用来源，不是同一件事。
一份内部产品手册可以帮助模型不要写错功能，一份交付说明可以约束服务范围，一段品牌历史可以让文章避免时间线混乱。它们都能成为生成时的事实参考，但读者未必能够访问，也无法独立核验。
如果文章写着“根据内部资料”，或者把文件名、资料编号直接放进正文，看起来像是有出处，实际上读者并没有获得可验证的证据。更严重的是，内部文件里可能包含价格、客户信息、未公开参数或仍在讨论的方案，不能因为它进入了知识库，就自动获得公开权限。
所以，在当前内容生成规则里，知识资料被明确当作内部参考，而不是公开信源。正文不能出现内部资料编号、文件名或“根据材料”一类措辞。只存在于私有资料、又无法通过公开页面核验的价格、资质、案例和数据，也不能直接写成对外事实；没有合适的公开依据时，只能删除，或者改写为一般的方法、选择标准和适用场景。
这个限制会让系统少写一些“有料”的句子，却能避免把私有信息伪装成公共证据。
我现在更愿意把三者分开：
问题库定义品牌需要回答什么；知识资料限定品牌凭什么回答；公开来源决定用户能否核验这个回答。
三者可以互相连接，但不能互相冒充。
05 资料本身也可能在对模型下指令
知识库还有一个不那么显眼，却不能忽略的问题：上传的资料不一定只是事实。
文档里可能本来就有提示语、操作说明、模板指令，也可能混入要求模型改变任务的文字。如果系统把资料和真正的生成指令放在同一个层级，模型就有机会把文件里的内容当成应该执行的命令。
因此，在当前生成流程里，知识资料会被标记为不可信数据：它只能提供事实参考，不能指挥模型改变任务、绕过规则，也不能要求模型照着执行其中的指令。
这并不代表有了一句话，风险就彻底消失。模型仍然可能误解，资料也可能包含更隐蔽的冲突。但产品至少要先建立清楚的角色边界：任务规则由系统决定，上传文件只能作为待核验的数据。
对 GEO 产品来说，这个边界尤其重要。我们希望品牌资料影响回答的事实，却不能让一份文件接管内容生产的规则。
06 内容生成完成后，证据链不能跟着消失
很多内容工具在生成完成后，只留下最后一篇文章。
但对我来说，这还不够。文章是结果，知识资料是当时的输入条件。如果只保存正文，过一段时间再回头看，很难回答：这篇文章当时参考了哪些资料？使用的是哪个版本？某个说法后来为什么改变？
所以，当前产品会为生成结果保留一份内部参考快照。它记录这次有没有使用知识资料、有没有文件不可用，以及相关片段来自哪个文件和位置；同时保留片段标识、索引版本和检索配置等追踪信息。
在文章管理页面里，团队能够看到“本次生成参考资料”，也能够区分未使用知识资料、项目没有知识资料、已经使用、没有找到相关资料和部分资料不可用等状态。
这份快照的价值，不是给文章增加一个“有知识库”的标签。
它让团队可以回到生成发生的那个时点。即使知识库后来更新了，至少还能知道旧文章是在怎样的资料条件下形成的；如果要修改事实，可以先找到原始位置，而不是只对着模型生成的句子猜测。
当然，保留快照并不等于完成了事实审计。它只能回答系统当时取回了什么，不能自动证明资料本身正确，也不能证明模型对资料的理解没有偏差。最终公开之前，仍然需要人核对关键事实和表达边界。
产品能做的是让核对有线索，而不是替人宣布“已经真实”。
07 知识库的质量，不应该用文件数量衡量
做到这里，我越来越不愿意在产品里强调“上传了多少份资料”。
数量只说明资料被收集过，不说明它们能够支撑回答。一个真正可用的品牌事实，至少还要回答几个问题：
- 这条信息是否准确，来源是谁？
- 它对应哪个产品、市场和使用场景？
- 它从什么时候开始有效，是否已经过期？
- 如果多份资料互相冲突，哪一个版本具有更高权威？
- 它可以用于内部生成，还是可以对外公开？
- 公开表达以后，读者能在哪里核验？
- 谁负责维护，发生变化时由谁更新？
这些问题不会因为完成一次上传就消失。
目前的产品已经能够处理文件状态、检索范围、片段位置和生成快照，但知识治理仍有很多没有完全解决的地方。
比如，两个部门上传了不同版本的产品说明，系统应该按时间、来源还是人工确认决定优先级？一条事实过期之后，怎样提醒团队，又怎样避免破坏历史文章的追溯？资料更新时，是覆盖旧内容，还是保留版本关系？内部允许使用、外部不能披露的界限，谁来判断？一条事实如果只能由品牌自己证明，应该怎样寻找更合适的公开信源？
这些问题说明，知识库最终不是一个纯粹的模型能力，也不是一个文档管理功能。它更接近一套持续的品牌事实治理机制。
模型可以帮助解析、检索和整理，但事实的权威、时效和公开边界，仍然需要组织给出答案。
08 让 AI 讲对品牌，先从承认证据边界开始
回头看，我曾经把知识库的价值理解得太简单：品牌把资料交给系统，系统让 AI 更了解品牌。
现在我更在意的是另一件事：产品能不能在生成之前，知道自己依据了什么；在证据不够时，能不能拒绝装作知道；在内容生成之后，能不能留下回查路径；在公开表达时，能不能区分内部参考和读者真正可核验的来源。
所以，知识库不是让模型“知道得更多”，而是让产品知道：这句话能不能说、依据在哪里、什么时候需要停下来承认证据不足。
这也改变了我对内容生成的判断。
一篇文章写得通顺，只能说明生成完成了；它回答了一个真实问题，有相关的品牌事实支撑，没有越过公开边界，并且之后还能回到证据位置复核，才说明它有机会成为 GEO 工作流中的有效行动。
到这里，问题和证据已经开始连接起来。
但它们还没有自动变成持续出现。接下来仍然要解决：怎样从一个问题出发形成内容，怎样审核、发布，再回到原问题复测；怎样让这些动作不再是一次性的手工接力，而是一条能够反复运行、保留上下文的工作流。
下一篇，我会继续写这条内容工作流是怎样长出来的。