为什么AI时代需要知识库
就像撑起互联网时代的关系型数据库一样，知识库也会成为 AI 时代的重要组成之一。
AI 时代已经不局限于对结构化数据的处理和应用，而是增加了更加广泛的非结构化数据的处理和应用，加上各类 Agent 产生的日志内容等，都让关系型数据库不再有效。
知识库的认知误区
很多人以为知识库就是搭个向量数据库和 embedding 模型，做检索召回——也就是我们所谓的 RAG 就完事了。那就大错特错了。
如果说知识库要解决的问题有五个，那么 RAG 可能只解决了检索问答这一个。
企业知识库的五大功能
针对企业端，知识库首先要解决的是：
1. 知识构建
包括数据源管理和接入、知识加工、知识分类和标签、切片索引、元数据加工等。
2. 知识治理
包括权限治理、知识健康、知识生命周期管理等。
3. 知识应用
包括 RAG、API 开放等。
4. 上下文管理（Agent 时代新增）
对于 Agent 大行其道的今天，知识库还承担着企业内上下文管理的功能。
5. Agent 执行结果证据链（Agent 时代新增）
结合知识库，Agent 本身的运行过程 log，以及执行结果都可以保存在知识库中。非常重要的是，知识库可以为 Agent 的执行结果提供完整的证据链，可以为每一个段落提供引用来源展示、具体内容高亮等，为人类用户最终判断结果提供了充分的依据。
Agent 这么聪明为什么还需要知识库
抛开详细的技术细节，Agent 就是由 LLM、记忆、工具和工作流组成的。Agent 是把 AI 应用从问答升级到了执行。但"执行"里面必然也包含了很多个问答。
比如在银行场景中，让 Agent 审核某个客户是否符合贷款条件，为该客户生成一份贷款分析报告。Agent 必然需要去严格依据银行内部的贷款产品知识、合规知识和风控知识等，才能给出符合该银行的贷款审批报告，而不是参考 Google、百度或其他的 GEO。
这里面知识库提供了一些必要支撑：
内部权威知识提供
给到 Agent 专属的知识，让 Agent 在参考法律法规等知识的时候，可以排除各种可能产生幻觉的"不干净"的知识。还有就是非常重要的企业内部流程，如存在于一本贷款审批指南的手册中的贷款审批流程。
用户使用习惯提供
这部分有时候也存在于记忆中，但要让 Agent 的记忆可以长期被保存，甚至可以被维护者编辑修改，那么存在知识库中是一种更好的选择。
企业知识安全保障
知识库可不是只有检索召回，它还有知识治理，具体包含了权限、知识健康和知识生命周期管理这些。让企业有能力保障知识的干净与安全。
证据链的提供
结合知识库，Agent 本身的运行过程 log，以及执行结果都可以保存在知识库中。知识库可以为 Agent 的执行结果提供完整的证据链，可以为每一个段落提供引用来源展示、具体内容高亮等，为人类用户最终判断结果提供了充分的依据。