老师傅的经验怎么留下来？把隐性知识变成 AI 能用的流程

经验为什么难以写进文档

在零部件制造企业里，不同型号的材料配比、设备参数和异常处理各不相同。老师傅不只知道标准答案，还知道什么时候不能机械地照标准执行。企业真正担心的是：人退休或离职了，经验会不会跟着一起走。

类似的情况在很多岗位都有：律师怎样把当事人的口语描述转成法律要件，报价员看一张图纸就知道该找哪家供应商、留多少余量，资深运营知道什么样的门店适合什么表达方式。这些判断很少被写下来，直接把历史文件交给 AI 并不能解决问题。

第一步：从高频问题画出知识地图

先和主管一起梳理岗位流程，统计新人最常问的问题、最容易反复出错的环节，以及只有资深员工掌握的经验，整理成一张知识地图。

这些高频问题还应直接变成测试集。先做小范围测试，再和业务方共同约定资料识别和检索准确率达到什么水平才算通过。用真实问题验证，比用演示时挑选的问题可靠得多。

第二步：萃取判断框架，而不是堆资料

请业务人员讲清楚四件事：怎么做、为什么这么做、哪些情况例外、什么时候必须人工判断。这个过程可以由专门的“知识整理”角色负责，把资深员工的思考方式转成流程节点和检查规则。

对于文案、报价这类工作，可以把经验拆成输入字段。以门店短视频文案为例：客户是谁、门店类型、主推产品、当前活动、希望突出的卖点。不同门店风格不同，但底层要考虑的东西相近，拆成字段后就能稳定复用。

第三步：建立人工校准与回填

以非标产品报价为例，可以让 AI 先把图纸里的材料、尺寸和结构要求整理成结构化信息，再与企业自己的物料、供应商和报价规则匹配。每一单都经过人工校准，修改结果回填到资料中，下一次就更准。这就是“生成、校准、回填、改进”的循环。

第四步：放回原来的流程中检验

知识库能回答问题，只说明技术通路跑通了。更重要的是把它接入原有的新人培训或日常作业流程，例如设置学习任务、进度查看和问答验收，让带教人员能随时看到新人的掌握情况，并安排一段时间的陪跑调整。新人愿意学、师傅愿意看，经验才算真正留在了组织里。

员工为什么愿意分享经验

如果员工认为交出经验就会被替代，很难真心配合。企业需要说明这些知识用于减少重复答疑和返工，并在考核与激励上给予认可。

远行者科技的做法

WorkBuddy 岗位培训中，我们会和企业一起整理任务模板、检查表和常见问题，并用真实任务练习。资料权限和使用范围在项目中确认。