feat: govern knowledge assets and source citations

docs/帮道_AI知识资产生产流水线_v1.0.md

@@ -0,0 +1,436 @@
+# 帮道 AI 知识资产生产流水线
+
+> 项目定位：面向企业行业知识场景的 AI 知识资产生产基础设施\
+> 版本：v1.0
+
+## 1. 项目定位
+
+帮道 AI
+知识资产生产流水线，不是简单的知识库系统，而是一套将企业分散在文档、制度、案例、访谈、员工经验中的非结构化信息，转化为可理解、可检索、可信任、可持续演进
+AI 知识资产的生产体系。
+
+核心理念：
+
+> 企业 AI
+> 的竞争力不是模型能力，而是企业经验被数字化、结构化和持续优化的能力。
+
+------------------------------------------------------------------------
+
+## 2. 当前问题
+
+传统 RAG 流程：
+
+    文件上传
+     ↓
+    对象存储
+     ↓
+    文本解析
+     ↓
+    切片
+     ↓
+    Embedding
+     ↓
+    向量数据库
+     ↓
+    AI回答
+
+存在问题：
+
+-   原始资料质量不可控；
+-   PDF/OCR 噪声污染知识库；
+-   页眉页脚、水印影响检索；
+-   文档结构丢失；
+-   制度、案例、经验混杂；
+-   无法判断知识可信程度；
+-   错误知识难以追溯和撤回。
+
+因此企业 AI 首先需要解决：
+
+> 如何把企业资料加工成为 AI 可以安全使用的知识资产。
+
+------------------------------------------------------------------------
+
+## 3. 总体架构
+
+    数据来源层
+        ↓
+    原始资产层
+        ↓
+    数据加工层
+        ↓
+    知识结构层
+        ↓
+    治理审核层
+        ↓
+    发布消费层
+
+### 数据来源层
+
+包括：
+
+-   文档
+-   图片
+-   音视频
+-   API数据
+-   企业业务系统数据
+
+### 原始资产层
+
+负责：
+
+-   原件保存
+-   Hash校验
+-   来源记录
+-   权限信息
+-   数据血缘起点
+
+原则：
+
+> 原始数据永不修改。
+
+------------------------------------------------------------------------
+
+# 4. 数据加工层（核心建设重点）
+
+数据加工层解决当前 RAG 准确率不足的核心问题。
+
+流程：
+
+    原始文件
+     ↓
+    解析
+     ↓
+    去噪
+     ↓
+    结构恢复
+     ↓
+    知识分类
+     ↓
+    智能切片
+     ↓
+    向量化
+
+------------------------------------------------------------------------
+
+## 4.1 文档解析
+
+支持：
+
+-   PDF
+-   Word
+-   Excel
+-   PPT
+-   图片OCR
+-   录音ASR
+-   视频分析
+
+输出：
+
+-   文档结构
+-   页面信息
+-   内容定位
+-   原始证据
+
+------------------------------------------------------------------------
+
+## 4.2 文档去噪
+
+处理：
+
+-   页眉页脚
+-   页码
+-   水印
+-   重复目录
+-   空白字符
+-   OCR错误
+-   编码异常
+
+原则：
+
+> 清洗生成新版本，不覆盖原文。
+
+------------------------------------------------------------------------
+
+## 4.3 结构恢复
+
+禁止简单固定字数切片。
+
+根据知识类型：
+
+### 制度
+
+    章节
+     ↓
+    条款
+     ↓
+    解释
+
+### SOP
+
+    场景
+     ↓
+    前置条件
+     ↓
+    步骤
+     ↓
+    异常处理
+
+### 案例
+
+    背景
+     ↓
+    问题
+     ↓
+    处理过程
+     ↓
+    结果
+     ↓
+    经验
+
+------------------------------------------------------------------------
+
+# 5. 知识资产模型
+
+核心对象不是 Document，而是：
+
+> Knowledge Unit（知识单元）
+
+类型：
+
+  类型         说明
+  ------------ ----------
+  POLICY       制度规范
+  SOP          业务流程
+  CASE         真实案例
+  FAQ          问答
+  EXPERIENCE   专家经验
+  TERM         行业术语
+  ASSESSMENT   评测数据
+
+------------------------------------------------------------------------
+
+# 6. 知识生命周期
+
+    RAW
+     ↓
+    PARSED
+     ↓
+    NORMALIZED
+     ↓
+    STRUCTURED
+     ↓
+    REVIEW_PENDING
+     ↓
+    APPROVED
+     ↓
+    PUBLISHED
+     ↓
+    DEPRECATED
+
+原则：
+
+-   每次加工产生新版本；
+-   发布必须经过确认；
+-   撤回必须可追踪。
+
+------------------------------------------------------------------------
+
+# 7. 数据可信体系
+
+数据分类：
+
+  类型        用途
+  ----------- ------------
+  RAW         原始资料
+  CANDIDATE   加工候选
+  TRUSTED     可信知识
+  CASE        案例资产
+  SYNTHETIC   AI生成内容
+  RUNTIME     运行数据
+  GOLDEN      评测数据
+
+核心原则：
+
+    AI生成 != 企业事实
+
+    用户反馈 != 标准经验
+
+    Embedding != 已发布知识
+
+------------------------------------------------------------------------
+
+# 8. AI 使用边界
+
+AI 可以：
+
+-   自动分类；
+-   信息抽取；
+-   标签生成；
+-   候选FAQ生成；
+-   相似检测；
+-   案例结构化。
+
+AI 不可以：
+
+-   修改原始事实；
+-   自动发布知识；
+-   判断制度有效性；
+-   替代业务责任人。
+
+原则：
+
+    LLM = 加工助手
+
+    不是
+
+    知识管理员
+
+------------------------------------------------------------------------
+
+# 9. 帮道业务场景示例
+
+原始资料：
+
+物业经理访谈录音。
+
+↓
+
+AI加工：
+
+生成案例：
+
+    场景：
+    业主拒缴物业费
+
+    背景：
+    业主认为服务不到位
+
+    处理：
+    1. 情绪沟通
+    2. 定位问题
+    3. 提供方案
+
+    结果：
+    恢复缴费
+
+    经验：
+    先解决情绪，再解决业务问题
+
+↓
+
+人工确认
+
+↓
+
+进入：
+
+-   AI问答
+-   物业经理陪练
+-   培训系统
+
+------------------------------------------------------------------------
+
+# 10. 实施路线
+
+## Phase 1：知识加工链路
+
+目标：
+
+提升现有知识库准确率。
+
+建设：
+
+-   原始资产管理
+-   文档解析
+-   去噪
+-   结构化切片
+-   基础版本管理
+
+## Phase 2：知识治理
+
+建设：
+
+-   审核流程
+-   生命周期
+-   血缘
+-   撤回
+-   权限
+
+## Phase 3：智能运营
+
+建设：
+
+-   自动规则
+-   黄金评测集
+-   自动质量分析
+-   持续优化
+
+------------------------------------------------------------------------
+
+# 11. 核心指标
+
+## 数据指标
+
+-   来源可追溯率
+-   噪声发现率
+-   结构恢复率
+
+## AI指标
+
+-   Recall@K
+-   MRR
+-   nDCG
+-   无答案误召回率
+
+## 业务指标
+
+-   专家经验沉淀数量
+-   人工查询减少比例
+-   培训效率提升
+
+------------------------------------------------------------------------
+
+# 12. 最终目标
+
+帮道不是建设一个普通知识库。
+
+而是建设：
+
+    企业经验数字化生产系统
+
+将：
+
+    员工脑中的经验
+
+    历史文件中的知识
+
+    业务案例中的方法
+
+转化为：
+
+    AI可以理解
+    AI可以调用
+    AI可以训练
+    AI可以评估
+
+的企业数字资产。
+
+------------------------------------------------------------------------
+
+# 总结
+
+未来企业 AI 的竞争：
+
+不是单纯模型竞争。
+
+而是：
+
+    企业独有数据
+    +
+    行业经验结构
+    +
+    持续优化机制
+    +
+    可信治理能力
+
+帮道 AI 知识资产生产流水线，就是围绕这一核心能力建设。