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。

市售已经有很多比较成形的产品存在，比如说：对个人采用的第一印象讲义，语雀，有道讲义等，公司采用的wiki等都可以认知为工程建设知识库的操作过程，将管用的重要信息破冰，想查阅的这时候即时关上方可。那么企业如果想自建知识库系统该怎么做，本栏将从另一方面历经阐释工程建设知识库的操作过程和碰到的难题。

工程建设知识库的商业价值

现实中科学知识会有下列特征：

碎片化，不分散，零散的科学知识布满在各省市方性，搜寻起来稳当私营化，不共享资源，别人已近的实战经验撷取没法临时性性，不长久，在校的这时候历史记录的东西离任的这时候就弃置了，没有商业价值了多次重复性，不繁杂，大部分的难题都是多次重复的，标准答案也是多次重复的

因此，工程建设知识库的商业价值：

线上化共享资源长久更上一层增效

知识库的工程建设操作过程

知识库工程建设是一个持续的操作过程，不是一蹴而就的。

科学知识收集

专精的专业人才保有专精的科学知识，因此科学知识需要从专精人员那儿展开收集。大的公司业务会遍及全国各省市，而且不同的地方性业务准则或科学知识是不一样的，因此收集人员需要和各城市联系好交会人，由交会人员统一收集后汇整，由收集人员展开科学知识生产。

科学知识生产

具体来说我们看下科学知识的结构表述：

1个业务知识库相关联数个展开分类（展开分类即产品目录是有层次的），一个科学知识又挂在一个展开分类上，一个展开分类相关联数条科学知识。

由此看来，每个业务方都可以新建一个业务知识库，生产的科学知识也都放到这个业务知识库下方的展开分类上。各业务知识库间既是隔离的，又是可以关联的，不同的知识库的科学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，那么科学知识点本身的结构是什么样的呢？

科学知识点重要信息包括基础重要信息和扩展重要信息：

基础重要信息只包括科学知识点本身的属性，包括标题，内容，附件，标签等等扩展属性是科学知识点附加属性，包括适用范围，PV，UV等等

这里面有一点很重要，那就是科学知识内容，通用来说科学知识内容是富文本格式，因此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采用爱好，富文本编辑器的水很深，市售能把编辑器做好的没有几家（语雀算一家）。

科学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）。

科学知识审核

通常来说科学知识越多效果会越好，但是生产的科学知识只有审核过后没难题才能上线。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

智能机器人 这个应用场景，大部分公司还是基于Q&A知识库展开实现的，通过将用户的query展开分词匹配标准答案，繁杂一点的会做标准问相似问和科学知识挂接，然后通过NLP技术展开处理。这些有个缺点是只能单轮问答，要想实现多轮对话，就需要更繁杂的技术，比如说：多轮对话流程管理，科学知识图谱等。

运营

对个人觉得这是科学知识系统工程建设操作过程中很重要的一环

碰到的难题

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部门去做线上化，去生产科学知识，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操作过程。

2.运营

上面我们说了，运营是一个很重要的环节，但是知识库工程建设是一个长期的操作过程，运营人员承受的压力比较大，因此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，科学知识匹配度，科学知识解决率等指标会很容易看出难题所在，这个环节也是更上一层增效的重要环节。

简道云知识库依托于其本身的零代码平台，除了保有文本编辑、结构化存储、大容量、可撷取协作、安全性强、支持权限设置这些功能外。沿袭了产品本身的特征（重数据管理、重流程协作），因此可以把科学知识管理与工作流结合起来。因此，日常工作中经常需要做流程管理、数据分析，想让业务流程和科学知识沉淀联系更紧密的，强烈推荐。