企业知识库要成为大模型的“可信数据源”，不能只是把文档塞进向量数据库。它需要满足五个条件：准确、时效、权限、可追溯、可评测。
准确，意味着知识库里的内容经过清洗和审核。PDF 里的页眉页脚、扫描件 OCR 错误、过期制度、互相冲突的多个版本，如果不处理，检索出来的就是噪声。模型再强，也只能基于错误信息生成错误答案。
时效，要求知识库与业务系统保持同步。产品价格变了、政策更新了、组织架构调整了，知识库必须能及时反映。否则员工问“最新报销标准”，AI 给出的可能是三年前的旧规。实践中需要建立增量更新机制，而不是一次性导入后放任不管。
权限，是企业知识库区别于公开知识库的核心。销售能看到报价单，HR 能看到薪酬体系，高管能看到战略文档，但普通员工不应看到全部内容。知识库必须继承源系统的权限体系，在检索层做过滤，而不是等模型生成后再遮遮掩掩。
可追溯，要求每一条回答都能定位到原文出处。用户看到答案时，可以点击查看“这句话来自哪份文档、哪一页、哪个版本”。这不仅是体验问题，更是合规问题。没有引用溯源，AI 回答就无法被审计，也无法被信任。
可评测，意味着知识库的质量可以被量化。企业需要一批“问题—标准答案—来源”组成的评测集，定期测试检索命中率、回答准确率和拒答率。否则知识库建设就是盲人摸象，不知道哪里好、哪里差。
从“文档库”到“可信数据源”，中间隔着一整套数据治理工程。源系统盘点、文档解析、分块策略、元数据标注、权限映射、版本管理、冲突处理、人工审核、反馈闭环，每一步都决定最终效果。大模型只是最后一公里的表达者，真正决定 AI 应用可信度的，是它脚下的知识底座。