知識管理是對企業知識資產進行規范化管理和使用的一種業務流程，是企業發展的基礎。

優秀的企業一定非常擅長做知識管理，善于將業務高手腦子里的隱性知識提煉成企業的顯性知識，將標桿的成功要素解構出來，提煉成標準化的“套路”，并存進企業的“知識銀行”。

大模型與企業知識管理場景之間存在天然的契合度，大模型的核心能力——處理、理解和生成大量數據信息，恰好滿足了企業知識管理的需求。大模型技術的不斷進步使得知識管理成為企業關注的焦點。當前在探索大模型應用的過程中，很多企業都將知識管理作為了大模型的重點探索場景之一。

知識管理的三個關鍵能力為知識的獲取、檢索和分享，大模型對企業知識管理的賦能圍繞這三個關鍵能力展開，使企業能夠更加方便地從知識資產中獲取最大的價值并促進創新和改善決策制定的過程。

（1）大模型將促進知識獲取

知識獲取是知識管理的基礎，也是知識管理面臨的最大挑戰。企業內經驗豐富的業務專家一般很忙，沒有時間坐下來將自己辛苦積累的專業知識形成文檔，大模型可以從會議以及其他的對話交互內容中提取知識資產，從而提高知識獲取的效率。

通過使用企業現有的顯性知識資源，如知識庫、企業智庫或任何其他形式的內容存儲，可以進一步推進知識獲取。

檢索增強生成（RAG）使用搜索引擎查找和檢索企業資源，然后將其作為prompt的一部分傳遞給大模型，同時附上如何處理這些內容的指令。這樣，整個企業的知識資源都可以作為訓練大模型的語料。RAG還可以用于保證知識資產的時效性，當有新的、可用的知識資源時，可以通過RAG將其與原始內容重組后一起傳遞給大模型，以便于大模型進行知識更新。

（2）大模型將優化信息檢索準確率

信息檢索系統是信息獲取的主要手段之一，也是企業對話、問答、推薦系統的重要組成部分。

在企業信息檢索系統中使用大模型的一個主要方法是通過上下文學習（ICL）。信息檢索系統的四個關鍵組成部分為查詢重寫器、檢索器、重新排序器和閱讀器。大模型與企業信息檢索系統的結合如下所示：

? 查詢重寫器：通過修改用戶查詢，提高查詢精準度和表達能力。傳統的重寫器通過預定義規則修改查詢以更緊密地匹配用戶意圖。大模型通過大量的文本數據并學習更加微妙的查詢和文檔表示，充分捕捉用戶意圖的微妙細微差別，增強查詢重寫能力。

? 檢索器：檢索器作為第一遍文檔過濾器，收集廣泛相關的文檔以滿足用戶查詢。大模型在語言理解、文本生成和推理方面展現出的能力將提高檢索器的語義能力，識別復雜用戶意圖。

? 重新排序器：重新排序器是信息檢索中的第二遍文檔過濾器，旨在基于查詢-文檔相關性對檢索器檢索到的文檔列表進行重新排序。大模型可以通過整合大規模數據集、為排名提供解釋、提高可解釋性等方式進行文檔重新排序。

? 閱讀器：基于文檔語料庫生成自然語言響應。通過持續向大模型提供文檔，最終生成的答案可能比原始檢索列表更準確和信息豐富。

大模型還可以通過多種方式提高信息檢索系統的容錯性。第一，大模型可以比傳統方法更準確地檢測和診斷故障；第二，大模型可以更快速、高效地從故障中恢復；第三，大模型可以主動防止故障發生。因此，大模型可以提高信息檢索系統的可靠性和可用性。

（3）大模型使知識共享變得更加可行

企業大部分的知識都存在于員工的頭腦中，如何將這些知識分享出來是企業在組織層面始終面臨的挑戰。企業知識管理活動的重點一直是獲取、存儲和檢索以文字、數據等形式存在的顯性知識，而往往忽視了人與人之間直接或間接的知識共享。

建立和維護幫助員工找到彼此進行知識共享和合作的專業知識目錄一直是企業知識管理領域的難題，大模型的出現將改變這一現狀。

雖然大模型本身是一個黑匣子，但可以通過提示詞的設計引導模型輸出，使得大模型具備強大的自然語言處理能力，包括分類、提取、生成和總結，這些能力正是維護專業知識目錄所需要的能力。