知识库 （Knowledge base）是用于知识管理的一种特殊的数据库 ，以便于有关领域知识的采集、整理以及提取。 -- 维基百科在这个信息大

 

知识库 （Knowledge base）是用于知识管理的一种特殊的数据库 ，以便于有关领域知识的采集、整理以及提取 -- 维基百科在这个信息大爆炸的时代，每天充斥着太多的信息在我们的脑海中，但是我们能吸收的却很少，很快就忘了。

知识是有用的信息，有价值的信息才成为知识无论是个人还是公司都需要建设自己的知识库，形成自己的数字资产市面上已经有很多比较成熟的产品存在，比如：个人使用的印象笔记，语雀，有道笔记等，公司使用的wiki等都可以理解为建设知识库的过程，将有用的信息落地，想要查看的时候随时打开即可。

那么企业如果想要自建知识库系统该怎么做，笔者将从自身经历阐述建设知识库的过程和遇到的问题内容建设知识库的价值？建设过程是什么样？遇到的问题有哪些？建设知识库的价值

知识碎片化现实中知识会有以下特点：碎片化，不集中，零碎的知识散落在各个地方，查找起来费劲私有化，不共享，他人已有的经验分享不了临时性，不持久，在职的时候记录的东西离职的时候就丢弃了，没有价值了重复性，不复杂，大部分的问题都是重复的，答案也是重复的

所以，建设知识库的价值：线上化共享持久降本提效知识库的建设过程知识库建设是一个持续的过程，不是一蹴而就的。

知识库业务闭环知识采集专业的人才拥有专业的知识，所以知识需要从专业人员那里进行采集大的公司业务会遍布全国各地，而且不同的地方业务规则或知识是不一样的，所以采集人员需要和各个城市联系好对接人，由对接人员统一采集后汇总，由采集人员进行知识生产。

知识生产这是最重要的一环，没有数据一切都是空谈。知识生产是将数据进行线上化的一环，通常是在专门的知识库管理后台进行操作。首先我们看下知识的结构定义：

知识库结构1个业务知识库对应多个分类（分类即目录是有层级的），一个知识又挂在一个分类上，一个分类对应多条知识由此可见，每个业务方都可以新建一个业务知识库，生产的知识也都放到这个业务知识库下方的分类上各个业务知识库间既是隔离的，又是可以关联的，不同的知识库的知识之间又可以做关联或引用。

这是一个比较大的结构划分，那么知识点本身的结构是什么样的呢？

知识点表结构知识点信息包括基础信息和扩展信息：基础信息只包括知识点本身的属性，包括标题，内容，附件，标签等等扩展属性是知识点附加属性，包括适用范围，PV，UV等等这里面有一点很重要，那就是“知识内容”，通用来说知识内容是富文本格式，所以需要有富文本编辑器，这个各大公司的体验差距就出来了，编辑器的好用与否直接决定了用户的使用爱好，富文本编辑器的水很深，市面上能把编辑器做好的没有几家（语雀算一家）。

知识生产的方式也可以是批量生产，这就需要有批量导入的功能，通常是导入word或excel（没有图片）知识点的数据会落地数据库，通常来说数据生产这块会用到双写，一边写入到数据库，一边写入到ES，ES的数据用于查询使用（性能考虑），所以数据同步和一致性这块也需要考虑好。

知识审核质量是立足之本，这里包含两个点：质和量通常来说知识越多效果会越好，但是生产的知识只有审核过后没问题才能上线审批流的实现方式有很多种，常用的一种就是BPM，这个有开源，感兴趣的可以深入了解一下应用场景

知识库应用场景就太多了，你应该见过 “帮助中心”， “猜你想问”，“常见问题”，“智能客服” ，“培训”，“考试”之类的，大多都会用到知识库

帮助中心

智能客服“智能机器人” 这个应用场景，大部分公司还是基于Q&A知识库进行实现的，通过将用户的query进行分词匹配答案，复杂一点的会做标准问相似问和知识挂接，然后通过NLP技术进行处理这些有个缺点是只能单轮问答，要想实现多轮对话，就需要更复杂的技术，比如：多轮对话流程管理，知识图谱等。

运营个人觉得这是知识系统建设过程中很重要的一环知识库系统是一个长期的过程，且是一个重运营的系统知识生产之前需要运营和各个业务方去聊平时过程中遇到的痛点，然后怎么样把知识线上化；知识生产之后运营需要去推广，去收集用户反馈，根据线上业务数据分析对知识推动复审，对业务提出新需求。

运营的方式有很多种，适当的对用户做一些奖励活动也是可以的，业务上要做到收口，聚焦核心应用，及时及持续观察用户反馈和业务数据遇到的问题知识库建设过程中可能会遇到很多问题，其中最重要的有以下几点：1.数据线上化。

数据是立足之本，没有数据都是空谈那怎么样推动公司各个部门去做线上化，去生产知识，数据线上化之后更新机制也要做好，不然数据就变成“僵尸数据”，这其实是一个很难的过程2.运营上面我们说了，运营是一个很重要的环节，但是知识库建设是一个长期的过程，运营人员承受的压力比较大，所以需要公司投入一定的运营成本，这个就得看领导层是否愿意。

3.用户体验有了数据，有了产品，那用户体验就很重要，知识匹配度，知识解决率等指标会很容易看出问题所在，这个环节也是降本提效的重要环节。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186