把资料和业务规则，变成 AI 员工的记忆
文档、表格、视频传进来，懂行自己归档、拆段、生成问答。业务系统里的表结构和规则也放进来，AI 建初稿，人只审拿不准的。秒懂、Mio 和每个 AI 员工都从这里取，答案带出处、带版本。
资料不少，AI 员工还是答错、办不了。
模型够聪明，但不了解这家企业。文档散在各处，业务逻辑写在程序里、记在老员工脑子里，没有一处把它们放在一起讲清楚。
资料散在各处
文档、表格、PPT、视频、网页、聊天素材各在一处，格式不同，没人整理成一套。
逻辑写在程序里
安全库存怎么算、一笔账什么条件下能清，写在程序里，记在老员工脑子里。文档和系统对不上。
资料说法不一致
同一个价格，这张表写 3000，那张表写 5000。AI 不知道该听哪个。
能答，不能办
问一句能回答，办一件事还得人去系统里点。AI 不知道该看哪些表、按什么规则办。
企业的知识分两类，都进懂行。
一类写在文档里：制度、手册、报价表。一类在业务系统里：表结构、字段关系、计算规则。小企业先传文档，大企业把数据库结构也放进来。
制度、手册、报价、话术
文档、表格、PDF、PPT、图片、视频、网页，还有句子秒回里的素材。
- 段落：每份资料拆成能被检索的段落，另写一句话摘要
- 问答：常问的问题和答案，一个答案可以挂多种问法
- 图片和素材：PPT 和 PDF 里的图单独摘出来配上描述，回答时带着图一起发
表结构、字段关系、业务规则
ERP、财务、订单这类系统跑了很多年，逻辑散在表里、程序里和老员工的经验里。
- 对象和关系：每张表是什么，表和表靠哪个字段连
- 规则：安全库存怎么算、一笔账什么条件下能清，写成一条条带出处的规则
- 报错和处置：系统报错是什么原因，该找谁，怎么办
文档拖进来，表结构导出来，源代码不用给。
客户常先问：源代码也要读吗？不读。数据库里自带表结构，配置项里写着表和表怎么关联，文档讲业务是什么，懂行读的是这些。
文件、粘贴正文、网址，三个口
文档、表格、PDF、PPT、图片、视频都收。飞书文档、旧知识库、句子秒回里的素材可以整批导入，导过的自动跳过。
- 重复的它自己认：库里已有的会标出来，写明已在哪份资料里
- 视频也能当知识：打开一个开关，视频里讲的内容一起读进来
- 上传时交代一句话：比如「这批是 2026 新款，旧型号作废」，归档时照办
- 文件夹可以不选：不选就由懂行按内容定，也可以由你指定
表结构、文档、配置项、接口
有什么给什么，缺的先不补。
- 表结构和样本数据：库里自带表名、字段、键、注释，先导出一部分，样本脱敏后再给
- 业务文档：流程说明、字段说明、匹配规则、操作手册、报错手册
- 配置项：配置里写着表和表怎么关联，只拿这一小部分。规则也可以手工加
- 现有接口：成熟的计算和过账逻辑不重写，留在原系统里，通过接口调用
上传只是开始，归档五步每一步看得见。
最重的一步是读内容：先看清这份资料讲什么，再决定放哪、怎么拆。表格多一步认表头。
读内容
看清这份资料讲什么，写成一句话摘要。检索时先看这一句，再决定读不读全文。
认表头
表格先认出每一列是什么，再按行展开，产品多也不漏项。
定文件夹
按内容放进合适的文件夹，也可以由你指定。
拆段落
拆成能被检索的段落，图片单独摘出来。
上架
进库，开始被检索到。拆了几段、放在哪，都有记录。
把业务逻辑说清楚，AI 来建，人来审。
大型企业上 AI，会被问到有没有「本体层」：业务里有哪些对象、怎么关联、按什么规则办、能做哪些动作，要有一处讲清楚，AI 才能照着做事。
对象字典
物料、供应商、采购订单、凭证，各自来自哪张表，有哪些属性。
关系图
订单挂哪个供应商，行项目挂哪个物料。顺着字段一层层连起来，每条关系标明验证过没有。
规则库
安全库存怎么算，一笔账什么条件下能清。拆成条目，每条带出处、状态和版本。
动作清单
创建订单、收货过账、发票校验。每个动作一条，AI 员工能调用。
以采购到付款为例。以前是人进到表里一张张跟，跟完记在脑子里。现在 AI 进去跟，跟完写成对象、关系和规则，每一步留记录。
读表
表结构、字段、注释进来，每张表写清是什么。
连关系
顺着字段把表连起来，供应商编号连到供应商主数据。
读规则
从业务文档和报错处理手册里，把规则整理成条目。
生成
对象字典、关系图、规则库自动生成，每条带出处。
人审
不一致的、没依据的进待办，业务专家逐条拍板。
沉淀
进库带版本，秒懂和 Mio 直接调用。
专家不用翻文档，只处理待办
AI 建出来的初稿一定有说不清的地方。懂行把它们列出来：两份文档说法不一致的进内容冲突，库里找不到依据的进知识缺口，样本里对不上的关系标成待验证。
- 每条规则带出处出自哪份文档、落在哪张表哪个字段，点开能核。
- 改规则不改代码规则是一段人能读的文字，业务专家自己能改。改完出新版本，下游下一次就按新版本跑。
- 数据留在你的库里懂行存的是定义。规则算得对不对，Mio 在隔离沙盒里读库验算。
再订货点 = 安全库存 + 日均消耗 × 交货天数
出处 · 计划流程说明 · 物料工厂视图计划交货时间：物料主数据写 14 天，采购信息记录写 10 天
等专家选一条为准净需求的口径，资料里没找到
等补材料有了这一层，AI 员工能办事
以月结清账为例。财务在 Mio 里说一句话，Mio 读懂行里的对象和规则，把这件事办完。原来系统只给一行报错日志，现在清不了的账给原因和处理办法。
- 找账按操作人的权限找到要清的账，不用人填查询条件。
- 预检符合查询条件但业务上清不了的，先按规则筛出来。
- 清账和冲销动作只写沙盒，不直连改库。清错了可以冲销。
- 解释清不了的给一张原因卡：错在哪张表哪个字段，为什么，该找谁。
找到 10 组未清项：4 组已清，6 组清不了，原因逐条列在下面。
库里哪里不对，懂行自己列出来。
一次交给人一万条待审，等于没交，我们做交付踩过这个坑。懂行把库里的问题分成 9 类待办，拿得准的自动过，到人手里的都是选择题。
两段原文并排摆出来，选一条为准
同一件事两份资料说法不一样，AI 不知道该听谁的。懂行在归档时就比对，把不一致的两段找出来，等人拍板。
- 选了就生效另一段以后不再被检索到，随时可以撤销。
- 可以不算冲突两种说法各有适用条件的，备注里写清，两条都留。
- 处理原则能复用备注里反复出现的处理办法，懂行会建议写进企业规则。
保修期内，耗材可免费更换一次。
以这条为准滤芯等耗材不计入保修范围，按配件价收费。
以这条为准内容冲突
两份资料说法不一致，并排摆出来，选一条为准。
知识缺口
秒懂或 Mio 里被问过、库里没有的，记下被问了几次。补资料、录问答，或者设成不回答。
来源变更待复核
资料被删或换了版本，相关问答进待复核，由人决定停用还是保留。
相似资料确认
新上传的和库里某份很像，确认是新版本还是重复。
解析失败
文件没读出内容，提示换格式或转成 PDF 重传。
任务卡住
归档任务没跑完，重试这一份。
问答待审核
自动积累的问答过目即可，到期自动确认。
人工答案待核
人工录的答案，等人核一遍。
规则建议
懂行发现某个标签或分类需要说明，提一条建议，采纳后写进企业规则。
一套记忆，三个入口直接取。
秒懂的流程、Mio 的对话、AI 销售和 AI 客服的回复，取的是同一份资料、同一版规则。懂行自己不直接面对客户。
在秒懂里：一个节点接上
大模型节点的工具设置里加上句子懂行，圈定文件夹或标签。文字、图片、素材排成一条组合消息直接发，中间不用再配一串判断节点。
在 Mio 里：对话里直接问
让 Mio 做一份对外报告，它列出资料来源。搜「保修」，它命中两份资料，指出口径不一致，建议先内部确认。
先查问答，再翻原文，答案带出处。
常问的问题直接命中问答，一步答完。没命中的，懂行去翻资料：看目录、拉全文核对、精搜片段，依据原文作答。
每一步怎么找到的，看得见
问答测试里问一句，能看到懂行这次走了哪几步、读了哪份资料。
- 范围先圈好按文件夹或标签指定检索范围，范围外的不取。
- 图文一起回文字和图片按原文顺序排好，可以直接发给客户。
- 常问的自动变成问答翻原文答出来的，存成待审核问答，下次直接命中，越用越快。
- 答不上就说答不上不编答案，记成一条知识缺口。
PP 棉滤芯建议 3 到 6 个月更换，RO 膜 24 个月。更换步骤见下图。
怎么知道它懂没懂：考它
带新人靠考试，AI 也一样。资料放进去，在问答测试里按真实业务反复问。答错的地方，就是资料缺的地方。
传
文档、表结构、规则传进懂行。
问
在问答测试里按真实业务提问，检索每一步看得见。
补
答错或答不上的，补材料、改规则，缺口进待办。
再问
同一个问题再问一遍，直到答对。
出处、版本、操作记录，都查得到。
AI 员工说错一句话，要能查到它依据的是哪一段、那一段是谁传的、什么时候改过。
每个答案带出处
指回原文件的哪一段，点开就能核。
每份资料有版本
传新版本替换旧版，每个版本的原文件都还能看。
每步操作有记录
谁上传、谁改了问答、谁处理了冲突，都查得到。
检索范围可圈定
按文件夹或标签给每个 AI 员工划范围，范围外的不取。
企业规则一处写
归档、整理、查询都按同一份规则，有历史版本。
可以设成不回答
指定的问题只回一句固定话术，不检索，可设到某日再答。
哪些现成，哪些在建，哪些随项目一起建
「建设中」这几项，正在客户项目里拿真实的表结构做。
今天就能演示
- 文档、表格、PPT、视频、网页归档五步
- 冲突、缺口、版本，9 类待办
- 带出处检索，图文一起回
- 秒懂节点、Mio 对话直接调用
正在做
- 表结构和表样本直接进懂行
- 数据表放独立库，可跨表关联查询，和文档库隔离
- 对象、关系、规则的全局浏览界面
拿你的表和文档做出来
- 表结构变成对象字典、关系图
- 业务文档、报错手册变成规则库、处置知识
- 库封成 Mio 的 Skill：查结构、查询、写入
- 验收三条：本体能被读，动作能被调，测试能天天跑
客户现场问过的六个问题。
来自客户研发团队的现场提问，按当时的回答整理。
是按相似度匹配的知识库吗
不只靠相似度。没命中问答时，懂行像人翻文件夹一样找：看目录、拉全文、精搜片段，依据原文作答，答案带出处。
每个问题都要把资料翻一遍吗
不用。先命中已有的问答，直接答。没命中才去翻原文，答出来的存成问答，下次直接命中。
资料量到 ERP 级别会不会慢
逐个文件找会慢，所以不全靠它。问答和 Skill 沉淀在前面，简单问题不用翻原文，系统自己分流。
ERP 里已有的逻辑要重写吗
不动。成熟的计算和过账能力通过接口调用。新的业务动作才由 AI 生成小服务，重写一个不影响别的。
规则不够、不对怎么办
直接改。规则是一段人能读的文字，AI 照着执行。可以让 AI 改，也可以自己写，改完留版本。
只能用国产模型行不行
能用，模型不绑定。翻原文和写代码这一段对模型的推理能力有要求，已经沉淀的问答和 Skill 不受影响。
你先给材料，我们先建出来，你再看。
我们不会先发一张清单让你填。从 2023 年做到现在的教训：一旦要客户多做事，项目就一直拖。先看到生成出来的东西，才说得清要什么。
选一个场景
一条链路，比如月结里的清账，边界清楚、数据现成。只有文档的，从一批资料开始。
给现成的材料
表结构、脱敏样本、业务文档、接口清单。有什么给什么。
我们先建
懂行建出对象、关系、规则初稿，Mio 接上，能问能查。
你们来审
看待办里的冲突和缺口，不满意的地方再补材料。
过了再部署
公有云上验证通过，再谈私有部署和下一条链路。
先把资料和规则理清楚，
再让 AI 员工 上岗。
从一批资料开始，归档、待办、检索先跑一遍。最快 1 天，从立项到员工上岗。