知识库驱动
长文创作
从散落各处的文件，到 AI 能调用的知识资产
让 AI 写出只有你才能写出来的东西
Miles
- 长期研究 AI 内容生产、企业知识库与 Agent 工作流
- 擅长把零散资料整理成可复用的内容系统
- 持续用本地知识库生产长文、课程、方案和复盘
- 关注企业如何把 AI 真正接进业务流程
AI 更容易检索到
格式清楚的事实块
GEO 内容更容易被识别的关键，是有定义、数字、来源、边界和可抽取结构。不是写得长就有用，是写得能被 AI 读懂才有用。
实体清楚
名称、英文名、简称、组织性质，不让 AI 猜。
数字清楚
会员数、注册号、成立时间，都是可抽取事实。
来源清楚
注册依据、官网页面、结构化数据，能支撑可信度。
边界清楚
是什么、不是什么、服务谁、覆盖哪里，避免误读。
结构清楚
标题、卡片、表格、FAQ，让 AI 更容易拆解。
时间清楚
更新时间和事件时间，减少过期信息被反复引用。
一篇好内容
要被矩阵放大
不是同一篇文章到处复制，而是让不同阵地承担不同角色：权威、价值观、业务解释、真实经验和案例沉淀。
保留原文全文，作为外部可信来源：人物、时间、数据、经验和出处都在这里。
不复制原文，而是写“这 10 条经验对企业经营有什么启发”。
结合园区、酒店、工位、企业服务，拆出对客户有用的经营方法。
从个人观察切入，讲其中一两条经验为什么值得今天的企业学习。
把文章沉淀为培训案例，后续讲品牌、经营、内容矩阵时继续复用。
为什么长文
是 GEO 最好的内容形式
能放事实
名称、数字、时间、来源、案例和边界都能放进去。
能讲关系
官网、集团、业务号、负责人号可以形成内容矩阵。
能被复用
一篇主文可以拆成新闻、解读、FAQ、课程案例和销售素材。
短内容适合传播，长文适合让 AI 理解、引用和总结。
企业长文为什么
总是写不出自己？
资料散
官网、飞书、销售话术、会议记录、客户案例，各放各的。
观点散
老板讲过很多判断，但没有变成可调用的内容资产。
案例散
项目做完了，效果、过程、截图、复盘没有进入下一篇文章。
口径不稳
同一个产品，不同人写出来像三家公司在说话。
AI 只能凑
没有资料底座，AI 只能用通识拼一篇完整但很空的文章。
写完不沉淀
每写一篇都从零开始，文章没有反哺知识库。
企业怎么用知识库
稳定生产长文
前面讲的是目标：让 AI 看懂我们。接下来讲方法：用知识库把事实、证据、边界和流程组织起来。
为什么要写长文
长文能承载事实、证据、观点和完整上下文
知识库里放什么
基础信息、品牌认知、行业认知、用户问题、证据素材、禁表达和模板
AI 怎么用这些材料
直接投喂、目录化、索引地图、RAG、系统集成，以及个人知识库案例
长文怎么跑起来
选题、调资料、Brief、大纲、初稿、发布检查
怎么越写越省力
文章发布后把新问题、新案例、新表达回流知识库
把文档往里一扔
还不叫知识库
那只是垃圾堆
文件堆在一起，没有分类。
用的时候不知道在哪。
找到了也不知道跟这次写作有什么关系。
AI 读了一堆不相关的东西，输出更差。
知识库是一个"上下文系统"
AI 打开知识库，能看到：
→ 这家公司是谁（身份）
→ 这家公司知道什么（知识）
→ 这家公司怎么说话（表达）
→ 什么不能说（边界）
→ 这次写什么，去哪个文件找（索引）
企业知识库
至少放这 8 类材料
这不是资料收纳，而是给 AI 写长文时准备事实、判断、证据、边界和流程。
基础信息
公司名、产品、入口、团队、官方口径。
品牌认知
品牌定位、故事、适合谁、不适合谁。
行业认知
行业结构、趋势判断、术语和竞品。
用户问题
销售、客服、老板、采购方真实会问的问题。
证据素材
案例、数据、截图、报告、可引用原话。
内容资产
旧文章、直播稿、课程稿、销售话术。
禁表达清单
不能说、不能夸、不能碰的词和边界。
工作流模板
Brief、Prompt、审核清单、回流规则。
AI 知识库的 5 种常见实现方式
1. 直接投喂型
把资料直接给 AI 读。适合临时分析、单次任务。
2. 目录化知识库
资料放进固定文件夹。Agent 按目录读取和更新。
3. 索引地图型
先建主题地图和资料入口，告诉 AI 先读哪里。
4. RAG / 向量检索型
Embedding + 向量库 + 语义检索。
5. 系统集成型
接入 CRM / 客服系统 / 数据库 / 权限 / 工作流。
我的个人知识库如何跑起来
行业认知库
让 AI 知道"这个行业是怎么回事"——重点是你们自己的判断
| 收集什么 | 为什么重要 | 写作时的作用 |
|---|---|---|
| 核心概念 | 行业术语、黑话 | AI 用对词，不露怯 |
| 趋势判断 | 你们对未来的看法 | 文章有前瞻性 |
| 竞品认知 | 谁在做什么、差在哪 | 对比时有底气 |
| 数据洞察 | 行业数据+自己的数据 | 论证有说服力 |
| 方法论 | 你们独特的做事方式 | 这是最核心的差异化 |
怎么收集？——"顺手"原则
不需要专人整理。每次做以下事情时，多花 2 分钟：
- 开会时你对行业做了判断 → 录音转文字 → 扔进库里
- 看到一篇好文章 → 标注"好在哪"→ 扔进库里
- 做完一个项目 → 复盘里提取 3 条规律 → 扔进库里
- 客户问了一个关键问题 → 你的回答 → 扔进库里
- 看到竞品做了一件事 → 你的分析 → 扔进库里
核心原则：少写新文档，多收集你已经在生产的知识。
品牌认知库
让 AI 知道"我是谁、我跟谁说话、我站在什么立场"
我们是谁
- 公司使命、愿景、一句话介绍
- 品牌调性：严肃专业 / 犀利直接 / 温暖陪伴
- 品牌故事：为什么做这件事
- 核心优势：我们跟别人不一样在哪
谁在说话
- 创始人的核心观点和判断
- 口头禅、习惯表达、常用比喻
- 关键经历和故事（作为文章素材）
- 对行业的独特视角
我们在跟谁说话
- 核心用户是谁（不是"所有人"）
- 他们的痛点、焦虑、渴望
- 他们常用的语言和表达方式
- 他们信任什么、反感什么
我们写什么、不写什么
- 内容领域边界（什么话题我们写）
- 内容价值观（什么观点我们站）
- 竞品内容分析（我们差在哪、好在哪）
禁表达清单
告诉 AI 什么不能说——这比"该说什么"更能定义你的风格
- "今天我想跟大家聊聊……"
- "最近很多人问我……"
- "在这个时代……"
- "随着 XX 的发展……"
原因：AI 最爱用这些。一眼就能看出是 AI 写的。
- 文学腔：彼时、仿佛、涌现、萦绕
- 说教腔：大多数人都错了、真相是
- 空洞词：赋能、抓手、闭环、底层逻辑
原因：这些词让你的文章听起来像"AI 生成的标准废话"。
- "今天就分享到这里"
- "希望对你有帮助"
- "以上就是我的思考"
- "综上所述"、"总而言之"
原因：AI 的默认结尾模式。删掉它们，文章立刻有"人味"。
- 不要"首先……其次……最后"三段式
- 不要"问题-分析-解决"论文体
- 连续 3 段无案例的纯观点 → 必须打断
- 每 800 字要有 1 个真实案例
- 每 500-800 字要有 1 个可独立传播的金句
- 用"你"不用"大家"，用"我"不用"笔者"
- 像跟朋友聊天，不要写论文
用户问题库
和证据素材库
选题从问题里长出来，可信度从证据里长出来。
把真实问题变成选题来源
- 销售经常被问什么
- 客服每天重复回答什么
- 客户购买前最担心什么
- 老板和执行团队分别卡在哪里
- 用户会拿什么问题去问 AI
输出：选题库、FAQ、文章结构、标题方向
把可信材料变成论证弹药
- 客户案例、项目复盘、交付截图
- 数据反馈、用户评价、成交记录
- 行业报告、公开论文、权威来源
- 可公开引用的话术和原话
- 每条证据标注来源、时间、适用范围
没有证据素材库，长文就会变成观点堆叠。
最小的
知识库目录结构
最小启动原则
不需要把所有东西整理好才开始。
每个文件夹先放 1 个入口文件 + 3 条高频材料：
- 最常被问的 3 个用户问题
- 最稳定的 3 条品牌事实
- 最能证明能力的 3 个案例或数据
这就够了。知识库已经启动了。
三个"不要"
- 不要一个文件写太长 → 拆成小文件，AI 好定位
- 不要只有你自己看得懂 → 文件名和标题要明确
- 不要一次追求完美 → 先有再改，知识库是活的
给知识库做
入口文件和索引地图
不要让 AI 从一堆文件里盲找。先给它一张路线图。
写企业长文时，优先读取：
1. 04_用户问题库/：确定读者真正关心什么
2. 03_行业认知库/：补背景、趋势、术语
3. 02_品牌认知库/：校准品牌事实和立场
4. 05_证据素材库/：找案例、数据、来源
5. 07_禁表达清单/：检查风险和语气
入口文件写什么
- 这个文件夹里有什么
- 每类资料适合什么任务
- 哪些资料优先级最高
- 哪些内容需要人工确认
- 新人知道从哪里看
- AI 知道先读什么
- 团队知道资料缺口在哪
口述内容
先入库再使用
老板口喷、会议录音、访谈记录，都要先变成可复用材料。
口述内容入库流程
口述材料最适合沉淀什么
- 创始人的判断和表达习惯
- 销售一线的真实客户问题
- 客服反复解释的边界和限制
- 项目复盘里的经验教训
- 口述不能直接变文章
- 先变成知识库材料，再进入长文流程
- 这样才能复用，而不是用完就丢
从知识库到长文
只跑一条主流程
选题
从用户问题库里找真实问题，不从热点和灵感开始。
调资料
调行业认知、品牌事实、案例证据和禁表达清单。
Brief
先形成写作任务书：读者、判断、案例、边界、结构。
初稿
AI 根据 Brief 生成大纲和初稿，人负责确认方向。
审核回流
事实、品牌、表达、AI 可理解性检查，通过后入库回流。
先写 Brief
再让 AI 动笔
让 AI 先读懂任务
- 主题：这篇到底写什么
- 目标读者：谁会读，读完要改变什么判断
- 核心观点：文章要站在哪个立场上
- 可用材料：案例、数据、品牌事实、行业背景
- 不能写什么：夸大承诺、敏感信息、错误口径
把“写一篇文章”变成可执行任务
- 避免 AI 上来就写通用科普
- 让每个分论点都能找到材料来源
- 让品牌出现得自然，不像硬广
- 让审核时有标准，不靠感觉改稿
把 Brief 交给 AI
再生成大纲和初稿
提示词不用花哨，关键是读取顺序和材料边界。
先读取 长文Brief.md
再读取 Brief 里列出的材料来源：
用户问题库、行业认知库、品牌认知库、证据素材库、禁表达清单
// === 先生成大纲 ===
请输出文章大纲。每个分论点后面标注：
1. 使用了哪条材料
2. 还缺什么证据
3. 哪些地方需要人工确认
// === 大纲确认后再写初稿 ===
初稿要有具体案例，不写成行业科普，不编造资料外的信息。
这个提示词在控制什么？
- 先读 Brief → 明确任务，不乱发挥
- 再读材料 → 知道事实从哪里来
- 先出大纲 → 人先判断方向
- 标注缺口 → 不让 AI 假装资料完整
团队真正复用的是一套 Brief 模板和审核流程，单句提示词只能解决一次问题。
先过四道门
再考虑发布
检查先确认四件事：没有编造、没有越界、没有跑偏，也不会被 AI 或读者误解。
事实门
- 案例、数据、客户名是否来自资料。
- 效果表述有没有来源和范围。
- 待确认内容是否明确标出来。
品牌门
- 品牌身份、产品名、服务名是否一致。
- 有没有写出不能承诺的能力。
- 品牌出现是否自然，不像硬广。
表达门
- 有没有空泛词、万能句和模板腔。
- 段落是否真的在推进判断。
- 读起来像人在讲，不像资料卡。
可理解门
- 概念有没有定义清楚。
- 步骤、对比、边界是否能被单独抽取。
- AI 读到片段后是否会误解你。
这四道门的目标很简单：让文章能代表企业说话。
能发的长文，不只是读起来顺，还要事实清楚、边界清楚、品牌口径清楚。
一篇文章结束后
要留下四类资产
如果文章发完就结束，下一篇还是从零开始。真正有价值的是把写作过程中产生的新东西回收到知识库。
新问题
写作中发现的客户追问、评论区问题、销售高频问题，回到用户问题库。
新案例
文章里用到的项目过程、效果证据、截图和复盘，回到证据素材库。
新表达
被证明好用的标题、开头、类比、段落结构，回到内容模板库。
新禁区
审核中发现的风险表述、夸张承诺、品牌不适合的说法，回到禁表达清单。
知识库是一项长期资产。它靠每一篇文章、每一次复盘、每一次审核慢慢变厚。
用知识库写文章
文章反哺知识库
写作反哺
每篇文章写完，AI 自动提取文中的新案例、新金句、新观点，按分类入库。文章本身就变成了知识库的养料。
对话反哺
开会录音、客户沟通、随手记录的灵感——AI 自动整理、标注、分类入库。你不需要"写"知识库，你只需要留下痕迹。
外部抓取
对标账号的好文章、行业报告的关键洞察、热搜话题的变化趋势——定期抓取并标注"为什么值得存"。
感谢聆听
分享人：Miles