从写给人看的文档，到人和 AI 共同使用的知识系统


本系列为艾拓先锋长河老师2026年5月联想ITIL 5内训课程教学心得分享，共五篇，本文为第四篇。


这次联想 ITIL 5 Foundation 内训课程中，知识库话题是从课间交流里自然延伸出来的。有位负责知识库建设的同事问我：长河老师，当 AI 智能体开始大量使用知识库时，知识库本身是不是也要改变？我很认同这个问题。因为 AI 进入 IT 运维之后，知识库不再只是给工程师检索的资料库，它会变成人和数字员工共同工作的基础，这个变化会改变人的工作方式。


过去，知识库维护主要靠资深工程师把经验整理成文档：重大事件之后写复盘，复杂故障解决后沉淀步骤，常见问题整理成 FAQ。这个过程重要但费时，也经常被日常工作挤压。很多组织都知道知识库该更新，但真正能持续高质量维护并不容易。AI 介入后，工单记录、操作日志、告警历史、复盘材料都可以成为知识生产的原料——AI 可以先生成候选知识条目，整理排查步骤，提炼相似案例，人类工程师的工作就从大量撰写和整理，转向审核、校订、判断和把关。

这种变化看起来是效率提升，本质上是分工调整。人不再只是知识的搬运者，而更像知识的导师。AI 可以把材料整理出来，但哪些内容可以进入正式知识库，哪些结论需要保留条件，哪些步骤只适用于特定系统版本，哪些说法会误导后续处理，都需要人来判断。这和带新同事很像：新同事可以写会议纪要、整理操作步骤、归纳问题清单，但有经验的人要帮他看哪些地方理解偏了，哪些结论太早，哪些关键背景不能省。数字员工参与知识生产时，同样需要这样的复核。


我在课堂上讲到，传统 SOP 是写给人看的。它里面有不少模糊表达，比如"根据实际情况判断""必要时联系相关团队""确认无误后执行"。人能理解，是因为人有经验，也能沟通。但 AI 要执行，就必须把这些模糊部分拆清楚。所以从 SOP 到 Skill，是一次隐性经验的显性化。


Skill 不是把 SOP 换个名字。它是 AI 可以调用的能力单元，需要明确输入参数、执行逻辑、输出结果和异常处理方式。把 SOP 提炼成 Skill 的过程，会逼着组织把过去靠经验补齐的部分写清楚，这对人有两层影响：第一，人会从重复执行者转向能力设计者——过去资深工程师可能反复处理同类问题，现在可以把处理经验整理成 Skill，让数字员工在标准场景下执行，时间就能释放出来处理更复杂、更不确定的工作；第二，人会从知识生产者转向质量守门人——AI 能快速生成内容，但内容能不能用、能不能交给后续智能体调用、能不能作为正式处置依据，需要人把关。人的判断力会变得更重要，而不是更不重要。

我自己写过《ITIL 4 服务管理认证考试指南》，也是《ITIL 基础第 5 版》的官方翻译组组长，写书时，我面对的是学员如何理解知识；现在讨论 AI 知识库时，我面对的是人和机器如何共同使用知识。这两件事之间有连续性，也有明显不同。给人看的知识可以保留一定叙述弹性；给 AI 使用的知识必须更清楚边界。给人看的知识强调易读；给 AI 使用的知识还要强调可调用、可追溯、可反馈。未来的知识库，很可能要同时满足这两类要求。


课间我们聊到，Markdown 或半结构化知识内容可能更适合 AI 使用：它既有标题、层级、列表等结构，又能保留上下文，对人来说容易阅读，对 AI 来说也有足够语义信息可理解。这个方向未必适用于所有组织，但它提醒我们，知识库设计不能只按过去的人类检索习惯来思考。知识库的使用者变了，知识库的形态就会变。


在联想园区走廊里休息时，我又想起课堂上那个关于知识库的讨论。很多组织过去把知识管理当成流程要求，觉得它重要，但不总是急迫。AI 时代会改变这件事：数字员工能不能工作，很大程度上取决于知识能不能被它稳定理解和调用。知识库质量越高，Skill 越清楚，AI 越能承担标准化任务；知识库越混乱，AI 只会把混乱更快地带进执行过程。

所以，知识库正在从"给人查资料的地方"，变成"人机协作的基础设施"。人的工作方式也随之改变：少一点重复整理，多一点审核判断；少一点临时补位，多一点规则设计；少一点把经验留在脑子里，多一点把经验变成组织可复用的能力。ITIL 第 5 版把知识管理、AI 治理、数字员工和数字化服务生命周期放到同一张图景里，这一点非常重要——学习新版 ITIL，不只是学习新术语，而是在学习未来 IT 团队如何与数字员工一起工作。

从写给人看的文档，到人和 AI 共同使用的知识系统


本系列为艾拓先锋长河老师2026年5月联想ITIL 5内训课程教学心得分享，共五篇，本文为第四篇。


这次联想 ITIL 5 Foundation 内训课程中，知识库话题是从课间交流里自然延伸出来的。有位负责知识库建设的同事问我：长河老师，当 AI 智能体开始大量使用知识库时，知识库本身是不是也要改变？我很认同这个问题。因为 AI 进入 IT 运维之后，知识库不再只是给工程师检索的资料库，它会变成人和数字员工共同工作的基础，这个变化会改变人的工作方式。


过去，知识库维护主要靠资深工程师把经验整理成文档：重大事件之后写复盘，复杂故障解决后沉淀步骤，常见问题整理成 FAQ。这个过程重要但费时，也经常被日常工作挤压。很多组织都知道知识库该更新，但真正能持续高质量维护并不容易。AI 介入后，工单记录、操作日志、告警历史、复盘材料都可以成为知识生产的原料——AI 可以先生成候选知识条目，整理排查步骤，提炼相似案例，人类工程师的工作就从大量撰写和整理，转向审核、校订、判断和把关。

这种变化看起来是效率提升，本质上是分工调整。人不再只是知识的搬运者，而更像知识的导师。AI 可以把材料整理出来，但哪些内容可以进入正式知识库，哪些结论需要保留条件，哪些步骤只适用于特定系统版本，哪些说法会误导后续处理，都需要人来判断。这和带新同事很像：新同事可以写会议纪要、整理操作步骤、归纳问题清单，但有经验的人要帮他看哪些地方理解偏了，哪些结论太早，哪些关键背景不能省。数字员工参与知识生产时，同样需要这样的复核。


我在课堂上讲到，传统 SOP 是写给人看的。它里面有不少模糊表达，比如"根据实际情况判断""必要时联系相关团队""确认无误后执行"。人能理解，是因为人有经验，也能沟通。但 AI 要执行，就必须把这些模糊部分拆清楚。所以从 SOP 到 Skill，是一次隐性经验的显性化。


Skill 不是把 SOP 换个名字。它是 AI 可以调用的能力单元，需要明确输入参数、执行逻辑、输出结果和异常处理方式。把 SOP 提炼成 Skill 的过程，会逼着组织把过去靠经验补齐的部分写清楚，这对人有两层影响：第一，人会从重复执行者转向能力设计者——过去资深工程师可能反复处理同类问题，现在可以把处理经验整理成 Skill，让数字员工在标准场景下执行，时间就能释放出来处理更复杂、更不确定的工作；第二，人会从知识生产者转向质量守门人——AI 能快速生成内容，但内容能不能用、能不能交给后续智能体调用、能不能作为正式处置依据，需要人把关。人的判断力会变得更重要，而不是更不重要。

我自己写过《ITIL 4 服务管理认证考试指南》，也是《ITIL 基础第 5 版》的官方翻译组组长，写书时，我面对的是学员如何理解知识；现在讨论 AI 知识库时，我面对的是人和机器如何共同使用知识。这两件事之间有连续性，也有明显不同。给人看的知识可以保留一定叙述弹性；给 AI 使用的知识必须更清楚边界。给人看的知识强调易读；给 AI 使用的知识还要强调可调用、可追溯、可反馈。未来的知识库，很可能要同时满足这两类要求。


课间我们聊到，Markdown 或半结构化知识内容可能更适合 AI 使用：它既有标题、层级、列表等结构，又能保留上下文，对人来说容易阅读，对 AI 来说也有足够语义信息可理解。这个方向未必适用于所有组织，但它提醒我们，知识库设计不能只按过去的人类检索习惯来思考。知识库的使用者变了，知识库的形态就会变。


在联想园区走廊里休息时，我又想起课堂上那个关于知识库的讨论。很多组织过去把知识管理当成流程要求，觉得它重要，但不总是急迫。AI 时代会改变这件事：数字员工能不能工作，很大程度上取决于知识能不能被它稳定理解和调用。知识库质量越高，Skill 越清楚，AI 越能承担标准化任务；知识库越混乱，AI 只会把混乱更快地带进执行过程。

所以，知识库正在从"给人查资料的地方"，变成"人机协作的基础设施"。人的工作方式也随之改变：少一点重复整理，多一点审核判断；少一点临时补位，多一点规则设计；少一点把经验留在脑子里，多一点把经验变成组织可复用的能力。ITIL 第 5 版把知识管理、AI 治理、数字员工和数字化服务生命周期放到同一张图景里，这一点非常重要——学习新版 ITIL，不只是学习新术语，而是在学习未来 IT 团队如何与数字员工一起工作。