文：董指导
1911年，弗雷德里克·泰勒对美国工厂进行了一次调研。
他发现虽然工厂里有机器、工具，也不缺管理者和熟练工人，但整体效率却并不高。某个工序跑得很顺，换一条产线就可能失灵；老师傅知道怎么做，新工人却很难复制这些经验。
如何把个人知道怎么做，变成组织知道怎么做？带着这个思考，泰勒把许多隐性的经验拆解、标准化后，再重新组织进了工厂运营流程。并出版了经典著作《科学管理原理》。
这本书加速了企业现代化进程。现在的流水线、作业标准、流程制度、管理手册，都延续了一个逻辑：企业的效率，不只是来自工具本身，更来自于知识能否被组织化、被复用、被执行。
一百多年后，知识和组织的问题，再次出现。只是场景从工厂车间，变成了企业AI。
当智能体（AI Agent）进入真实业务中后，企业很快发现：模型聪明是一回事，能不能完成任务是另一回事。
销售话术是否过期，客户方案该引用哪版材料，不同部门的政策是否冲突，哪些资料可以访问，哪些内容涉及敏感信息？
诸如此类的问题，智能体本身并不能回答。它要真正进入业务，必须能理解企业内部那些复杂、细碎、持续变化的知识，包括企业制度、流程、案例、会议纪要、业务系统、甚至员工经验。
这就是，企业知识库的作用。
过去十年，企业知识库解决的是“存知识”的问题。过去两年，大模型解决的是“找知识”的问题。如今，行业正在进入第三个阶段：让知识真正驱动业务执行。
如何让愿景实现？前段时间我和腾讯乐享团队数次交流，他们也刚发布了Agentic知识库升级方案。
在我看来，他们正在做和当年泰勒一样的事情，通过知识库的变革，让AI时代的组织，实现效率再提升。
这对于企业使用AI很重要，对于腾讯的AI战略也很重要。
01 看见知识，突破“连接瓶颈”
传统知识库，时常给人的印象是数据仓库+搜索引擎：把制度、产品手册、培训材料、项目复盘等等信息都放进去。员工需要时，打开搜索框，输入关键词，就会得到一些文档、资料，再找到需要的信息使用。
它的逻辑前提是人获取知识；但现在，前提改变了：AI开始成为知识库的主要调用者；人们使用AI也不只是为了要个答案，而是完成各类任务。
腾讯乐享提供了一组数据，就反映了这个趋势：知识库问答调用量增长20倍，知识增量提升10倍，对话轮次提升15倍。这说明，越来越多人开始让AI基于知识库生成方案、报告、SOP等等。人们也在期待、实践，让智能体自主完成任务。
显然，知识库的使用逻辑发生了变化，能力也要随之改变：不能是被动的搜索框，而要有双“慧眼”，可以主动看见、连接各种知识。
黄仁勋在前段时间说，AI面临的不再是算力瓶颈，而是连接瓶颈。他指的是网络层面高效连接的重要性。但套用一下，也成立：智能体落地业务场景面临的不再是智能瓶颈，而是连接瓶颈。
因为智能体需要知识作为上下文以更好地工作。企业并不缺知识，但遗憾地是，经历了移动互联网时代后，知识越来越分散。在企业微信群聊里、飞书钉钉腾讯文档里、员工本地文件夹里、网盘里、OA审批记录里、企业自研业务系统里等等。
这一座座知识孤岛，倘若不能连接起来，那智能体就如同一名剑客，徒有一身力气，却毫无招式、心法，甚至没有是非价值观。不仅无法工作，甚至是危险的。
所以，腾讯乐享此次升级，首先解决的就是这件事儿。它将企业微信、飞书、钉钉、腾讯文档、员工本地和自研业务系统等多源平台统一纳管；并支持100+格式内容解析，覆盖文档、图片、音视频等多模态知识资产，连接的能力大幅提升。
丰富的知识汇聚到统一底座后，智能体的回答也就更加准确，执行能力也变得更强。
正大康地的变化，正说明了这一点。这是一家有47年历史的农牧企业，被称为“中国现代饲料工业黄埔军校”，自然也积累了不少知识，但也如同其他农牧公司一样，面临着知识管理的挑战。
很多经验、方法，存在老专家和技术骨干脑子里。核心人员一旦离职或退休，知识就可能断层。也有不少资料散落在纸质文档、个人电脑或不同系统中，查找麻烦。但现实中留给一线业务人员查询知识的时间却不多：比如遭遇疫情、亟需方案，多等一分钟都是不小损失。
为了让47年的知识资产真正发挥价值，正大康地考察了9家供应商，最终选择腾讯乐享，并由CEO亲自挂帅推动AI落地。
通过乐享知识库，公司的处方指南、合规资料、内参档案、产品标签等知识被统一沉淀，从而支持智能体调用。一线人员可以在现场直接向智能体询问，秒级获取方案、解决难题；而且答案还能校准回流，形成“日清日结”的持续优化机制。
腾讯乐享带来的不只是查询速度提升，更是知识的形态改变：成为一线随身可用的执行力。
02 知识是力量，是智能中枢
让智能体看见知识，只是第一步。关键还要看清、看懂、看对。
企业知识库里常有这样的场景：同一份产品资料，有多个版本；客服政策，市场部和客服部各有一套解释；销售话术，上个月刚改过，但旧版还有流传；客户案例里有敏感信息，却被放在了公共文件夹里等等。
一个细心的职员，遇到上述情况时，通常会再确认、纠正。但智能体通常就不会这么做。它可能会基于过期资料、错误口径，忽略权限，而制造业务风险。
所以，企业知识与其求多，不如求真。甚至越聪明、越会干活的智能体，对可信知识源的要求越高。就像说武功越厉害的剑客，越需要有正确是非观，才能为民除害、而不是成为民害。
可信不是一句口号。腾讯乐享为此构建了动态治理体系：
座舱层，提供检索增强、版本管理和变更日志；接入层，负责多源接入、结构解析、元数据抽取和权限同步（尤其当多个部门文档合并后，依然按照原权限访问）；治理层，负责通过巡检和AI评审确保安全可信；策略层由企业定义目标、规则和评审机制。
自动化巡检，比人工检阅更加快捷、低成本，可以及时发现问题。包括重复、有效性、冲突、敏感等。此外，企业也可以设置自己的评审模版，由AI执行，把企业标准提前嵌入生产流程。
去粗存精、去伪存真之后，知识就需要进入任务。目前不少知识库仍停留在问答阶段，这远远不够。腾讯乐享在执行知识层面引入了智能体模式，可以基于企业知识完成复杂问答，方案、报告、办公文档生成，自动执行知识更新与内容生产，以及跨知识库推理分析。
EC六度人和，已经率先享受了AI知识库的红利。
这是一家产品迭代快、客户定制化高、营销活动密集的企业。这样的公司最怕知识不同步。产品更新后，销售材料要改；客户需求变化，售前方案要重写；促销活动有有效期，客服口径要同步；交付文档还要跟着项目版本不断调整。
知识一慢，前端就乱。
因此，他们以腾讯乐享AI知识库替代传统"单一问答"模式，实现了知识变更自动感知、内容一键刷新等多场景智能化。其销售拜访准备时间从数小时缩短至分钟级，售前方案智能生成支持企业标准PPT模板直接调用。知识库从问答工具，正升级为嵌入业务流程的智能执行引擎。
这就是业内热议的：知识到行动（Knowledge-to-Action）。这其中，知识库不单单储存知识、供搜索知识，更把可信的知识，送到正确的任务里，并转化为可交付的业务结果。
所以，知识就是力量，AI知识库，就是智能中枢。
03 知识的增长飞轮
不少企业无法让智能体发挥作用，是因为他们的知识库，会慢慢变成“死库”。能回答问题，但不能从问题里学习。能保存经验，但不知道哪些经验还有效。能被员工打开，却很难反过来推动组织更新。
如果一个知识库只负责回答问题，它的价值是线性的。而Agentic知识库的价值，在于保持进化、形成增长飞轮。
腾讯乐享提出的路径，是连接知识、治理知识、执行知识、反馈知识、进化知识，最终形成循环。每次任务完成后，问答反馈、引用分析、行为数据和业务结果都会再回到知识库，推动下一轮优化。
这套逻辑，并不陌生，像现代企业管理中的“学习曲线”。
制造业里，一条成熟产线的良率会更高，因为每个生产经验都会被记录、复盘、调整、提炼为工艺；单条产线的经验，又会复制为企业整体的优势，包括技术领先、成本领先等等。
互联网公司的产品迭代，也不是由代码促进，而是基于不断回流的用户行为、实验数据、点击率、留存率、转化率等指标。
简单说就是要让组织经验，在每次任务中被更新、沉淀。腾讯乐享与WorkBuddy的深度集成，进一步强化了这个闭环。
乐享的AI问答、知识推荐等能力，以Skill形式嵌入WorkBuddy，WorkBuddy作为数字员工的执行入口，又会产出的新知识、总结和最佳实践，回流到乐享知识库。
就像某个做高新技术企业申报、司法鉴定材料的团队所经历的。乐享沉淀案例、模板和客户资料，WorkBuddy调用这些知识直接生成格式规范的Word和PPT成品。交付人员只需进行专业校准即可。人效每天提升约2.3小时，团队压力明显下降。而且交付效果还在不断提升。
这是一个飞轮的开始。当知识可以直接进入销售、客服、交付和内容生产，知识资产才真正变成生产力资产。
这其实也是腾讯AI的优势，广泛的应用生态，会逐渐体现综合智能的价值，也会对用户形成网络粘性。
04 结尾
智能体落地刚开始，AI知识库的建设也刚起步，标准、规范都亟需建设。
就像英伟达和微软联合推出Agengtic AI统一技术栈，腾讯乐享也基于自身经验，提出了知识治理成熟度模型，包括K1主动发现到K5自主演进。最终，企业的知识资产会转向动态运营，形成持续成长的组织智慧。
目前，K1-K4已经落地。也许当K5在企业中顺畅实践后，再回头来看，腾讯乐享也在写一本书，题目是《知识资产复利原理》。
---全文完，欢迎交流
理工/金融 复合背景
