故事三：当知识库有了 AI

一场让我后背发凉的对话

上个月，我们 CTO 在技术周会上说了一句话：

"我们的技术文档管理有问题。小王入职三周了，还在问我三年前搭的那个微服务架构，当初为什么选了 gRPC 而不是 REST。"

然后他看了看在场的 15 个工程师，问："谁能告诉我？"

沉默了大概十秒。一个高级工程师犹犹豫豫地说："我记得当时讨论过，但具体的文档……好像在飞书里，但哪个群来着？"

CTO 叹了口气："这就是问题。三年积累的技术决策，找不到文档来解释。新来的同事要靠问人才能了解架构。这不是知识管理，这是口口相传。"

那天晚上，我被指定负责"解决技术文档管理问题"。

我调研了所有主流方案

作为技术负责人，我花了两周调研所有主流知识库方案：

Notion：功能强大，但文档多了以后搜索体验差。试了一下搜"微服务通信协议"，返回了 50 篇不相关的文档。

飞书文档：我们已经在用了，问题就是它太灵活了——文档散落在不同项目组、不同群聊里，根本没法统一管理。

Confluence：企业级标准，但太重了。我们的团队不到 20 人，Confluence 的复杂度让人窒息。

自建 Wiki：考虑过用 Docusaurus 或 VuePress 搭一个静态文档站。但维护成本太高，而且没有搜索能力。

语雀：体验不错，但免费额度太紧，我们的文档量很快会超限。

没有一个方案能同时满足：存得住、搜得到、AI 能理解。

灏天文库让我改变了对"知识库"的认知

最后选了灏天文库，原因很简单——它有一个其他所有平台都没有的能力：RAG 智能问答。

我上传了团队积累的 200 多篇技术文档后，做了一个测试。

我在 RAG 问答框里输入："我们当初为什么选了 gRPC 而不是 REST？"

五秒钟后，AI 回答：

"根据《微服务架构设计决策记录》一文（2023-03-15），选择 gRPC 的主要原因包括：1）内部服务间通信性能要求高，gRPC 基于 HTTP/2 和 Protobuf，比 REST JSON 序列化效率提升约 60%；2）需要强类型接口定义，Protobuf 的 IDL 天然提供契约；3）未来规划流式通信，gRPC 原生支持 server streaming。主要顾虑是可调试性较差，因此同时保留了 REST 网关用于外部 API。"

不是返回一堆文档让我自己找。而是直接给我答案，还告诉我答案来自哪篇文档的哪一段。

我把这个演示给 CTO 看。他说了一句话："这就是我想要的东西。"

一个"会思考"的知识库

用了灏天文库两个月后，我发现它和传统知识库的本质区别在于：

传统知识库是被动的——你搜它，它返回结果。你不搜，它什么也不做。

灏天文库是主动的——它理解你的文档内容，能基于这些内容回答问题、生成摘要、建立关联。

实际使用中，这个区别带来了几个显著的变化：

新人入职效率提升：以前新同事靠问人，现在靠问知识库。技术架构、部署流程、编码规范，所有问题先问灏天文库，回答不了的再问人。

技术决策可追溯：每次架构决策都有文档记录。三年后的新同事问"为什么"，AI 能直接给出当时决策的完整上下文。

知识不会因为人走而流失：以前一个核心开发离职，他脑子里的知识也跟着走了。现在他的设计文档、技术选型分析、问题排查记录都在知识库里，AI 能理解这些内容并回答相关问题。

当老板看到了 ROI

上个月，CTO 在月度会上说：

"自从用了灏天文库，新人上手时间从平均 3 周缩短到了 1 周。技术问题重复咨询减少了大概 40%。"

他没有说"省了多少钱"，但我们都算得出来。

给同行的建议

如果你也是技术团队的管理者，正在头疼知识管理的问题，我的建议是：

不要选"功能最多的"平台，选"最懂你内容的"平台。

文档管理不在于能存多少、格式多好、UI 多美。核心在于：当你需要一个答案的时候，能不能快速、准确地从你的知识库里找到它。

灏天文库用 AI 做到了这一点。这不是锦上添花，这是知识管理的本质。

aiknowledge.cn