不少企业花预算建了 AI 知识库，检索效果也调得不错，但两三年后回头看：老调度员的排产手感、老维修工的听音辨障、老销售的报价直觉，一样都没留住。钱花了，系统在，知识没了。问题不在模型，在采集方式。
我是李涛，一个做企业级智能体私有化交付的 FDE 现场交付工程师，这篇把"知识库留不住经验"的三个真实原因讲清楚。
最常见的安排是发个通知：各部门把经验整理成文档交上来。结果是交上来的全是流程复述，真正值钱的判断一条没有。隐性经验的拥有者往往不擅长书面表达，而且他自己意识不到哪些东西"别人不会"——在他看来一切都是常识。指望本人自驱产出，这条路基本走不通。
第二类失败是派了个不懂业务的实习生去做访谈。老师傅说"这个件要留点余量"，访谈人照记"留点余量"，多留是多少、什么情况下多留，全丢了。隐性知识的采集者必须能把口语翻译成结构化规则，还得当场追问到参数级，这活要么业务骨干自己干，要么像我这样做驻场交付的工程师陪着干。
第三类失败最隐蔽：经验入库那一刻是准的，半年后工艺改了、设备换了，老条目没人更新，新人按旧经验办事反而出问题，最后大家都不信知识库了。知识库不是一次性搬运工程，得有维护责任人——我交付产业园智能问答平台时，收尾阶段最重的环节就是培训园区运营人员自己维护问答库，这部分能力不交出去，系统两年内必然失真。
正确的做法是三步走：先做访谈式采集（跟班观察加追问例外），再做结构化入库（条目必须带适用条件），最后移交维护权（业务方自己增删改）。李涛在做智能体实战训练营时也是同样的要求：学员要用本部门真实问题做出可用的东西，知识搬运永远排在工具之前。