- 团队空间资料进入 AI 知识库前，必须先做范围、权限、敏感信息和版本治理
- 石墨文档导出工具适合做本地资料底座：批量导出、保留目录、多格式归档
- AI 平台不会自动继承石墨权限，上传前要重新定义谁能问、问什么、能看到什么
- 历史版本、评论、协作记录和审批上下文通常不能完整迁移，需要单独留档
- 上线标准不是“文件上传成功”，而是权限、来源、拒答、更新和回滚都能通过测试
石墨团队空间做企业 AI 知识库，推荐先把团队空间当成一个需要治理的数据源：按业务用途圈定目录，按公开、内部、受限、敏感给文档分级；用石墨文档导出工具批量导出 Markdown、PDF、Word、Excel，并保留原始文件夹结构；在本地完成脱敏、去重、版本标记和元数据补充；最后把通过审核的资料上传到 ChatGPT Enterprise、Claude Team/Enterprise、Gemini Notebook、Dify、RAGFlow 或自建 RAG 系统。AI 知识库不会自动继承石墨权限，所以权限治理要在上传前完成。
治理资料依据
NIST AI Risk Management Framework 强调 AI 风险需要被治理、映射、度量和管理；NIST 生成式 AI profile 进一步关注数据隐私、信息完整性和有害输出等风险。参考：NIST AI RMF、Generative AI Profile。OWASP Top 10 for LLM Applications 也将提示注入、敏感信息泄露、供应链和过度代理等列为需要管理的风险。参考：OWASP Top 10 for LLM Applications。这些资料不是石墨官方迁移说明，但适合作为企业知识库治理的风险框架。
为什么企业 AI 知识库要先治理？
个人把几篇文档上传给 AI，可以边用边改；企业把团队空间接入 AI，不能这么粗放。团队空间里通常同时存在客户资料、内部流程、草稿、历史版本、权限共享文档、离职员工遗留资料和临时表格。只要其中一类资料处理不好，AI 知识库就可能出现错误回答、越权泄露、引用过期制度或无法追责。
治理不是为了让流程变慢，而是为了把 AI 知识库变成可维护系统。一个可上线的企业知识库，至少要回答这几个问题：资料从哪里来、谁批准上传、谁能访问、什么时候更新、错误怎么回滚、AI 没依据时是否会拒答。
做AI知识库前，先把团队空间导出权限和目录范围核清楚。
第一步：圈定知识库范围
不要从“导出整个团队空间”开始。先定义知识库要服务的场景：客服问答、销售资料、研发规范、HR 制度、产品手册、交付项目库，还是管理层报告查询。不同场景对应不同资料范围和权限边界。
| 知识库场景 | 可优先导入 | 先排除 |
|---|---|---|
| 客服知识库 | FAQ、售后流程、政策说明、话术库 | 客户隐私、未发布政策、财务明细 |
| 研发知识库 | 架构说明、开发规范、故障复盘、运维手册 | 密钥、生产凭证、未脱敏日志 |
| HR制度库 | 公开制度、入职流程、培训材料 | 薪酬明细、绩效记录、个人档案 |
| 销售资料库 | 产品介绍、报价规则、案例材料 | 客户合同、未授权案例、竞争敏感信息 |
第二步：重建 AI 权限模型
石墨里的权限是文档协作权限，AI 知识库里的权限是问答访问权限。两者不能直接等价。一个用户可能不能看原始石墨文档，但如果知识库把内容上传给所有人，他仍然可能通过提问看到摘要。
建议用四级分类：
- 公开：官网文档、公开帮助、公开产品说明，可进入对外 AI 助手。
- 内部：普通内部流程、培训材料，只给公司成员使用。
- 受限：部门政策、项目资料、客户交付资料，只给特定团队使用。
- 敏感：个人信息、密钥、财务、人事、合同敏感条款，默认不进入通用 AI 知识库。
不要用一个企业知识库装所有资料
客服、研发、HR、销售的访问边界不同。把所有资料放进一个知识库，再靠提示词约束模型不要回答敏感问题，风险太高。更稳妥的是按业务和权限拆分知识库。
第三步：批量导出并保留原始证据
权限和范围确认后，再开始批量导出。导出阶段的目标不是直接喂给 AI，而是建立可审计的本地资料底座。
- 按知识库范围导出对应石墨目录，不要混入无关部门资料。
- 优先导出 Markdown 或 Word 作为文本底稿。
- 合同、公告、制度定稿同时导出 PDF 留原貌。
- 表格、台账、排期导出 Excel，避免丢公式和表头。
- 保留导出日期、导出人、目录范围和失败文件清单。
从团队空间导出时，格式和目录层级会影响后续AI知识库治理。
第四步：脱敏、清洗和版本标记
企业知识库的清洗要比个人知识库严格。至少要做三类处理：删除不能上传的内容、改写可以脱敏上传的内容、标记当前生效版本。
敏感信息清单
建议先用人工和自动化规则结合检查这些内容：身份证、手机号、邮箱、客户姓名、合同金额、银行账号、API key、访问 token、数据库连接串、生产日志、员工绩效、薪酬、医疗信息、未发布战略和投融资材料。
历史版本处理
AI 知识库用于日常问答时，通常只应让当前生效版本参与检索。历史版本可以进入归档目录，但不要和当前版本混在同一个索引里。确实需要问历史政策时，应建立单独知识库，并在回答中明确“这是历史版本”。
元数据要写进文件
每份进入 AI 的文档都应至少包含：来源路径、负责人、更新时间、权限等级、版本、生效状态。这样后续出现错误回答时，能追到具体源文件。
---
source_path: "团队空间/客服中心/退款政策.md"
owner: "客服运营"
permission_level: "internal"
effective_status: "current"
updated_at: "2026-07-12"
reviewer: "运营负责人"
---
第五步：按权限拆分上传
上传到 AI 平台时，不建议只按格式拆分，而应按权限和业务拆分。例如：
| 知识库 | 资料范围 | 访问对象 |
|---|---|---|
| 客服内部知识库 | 售后政策、FAQ、处理流程 | 客服和运营 |
| 销售资料知识库 | 产品介绍、案例、报价口径 | 销售团队 |
| 研发规范知识库 | 技术规范、故障复盘、发布流程 | 研发和运维 |
| 公开帮助知识库 | 公开帮助、公开FAQ、官网内容 | 外部用户或官网助手 |
如果使用 RAG 系统，还要确认检索层是否支持权限过滤。否则即使前端隐藏了入口，后端检索仍可能召回不该给某个用户看的 chunk。
自建知识库时，切分、元数据和权限过滤要一起设计。
第六步：上线前验收
企业 AI 知识库上线前，建议至少做一次“红线验收”。不要只测试它能不能答对，还要测试它会不会越权、编造、引用过期资料。
| 验收项 | 测试方式 | 通过标准 |
|---|---|---|
| 权限边界 | 用不同角色提问受限内容 | 无权限用户不能得到敏感答案 |
| 敏感信息 | 搜索手机号、密钥、客户名等模式 | 不应出现在可问答知识库中 |
| 来源引用 | 要求回答附来源文件或章节 | 引用能回到本地导出文件 |
| 过期资料 | 询问已废止政策和旧流程 | AI能区分当前版本和历史版本 |
| 拒答能力 | 问资料中没有的问题 | 明确无法确认，不编造 |
| 回滚演练 | 模拟一次错误导入 | 能恢复上一版资料包和索引 |
第七步：更新、审计和回滚
AI 知识库上线后，每次更新都应有记录。建议用日期或版本号保存资料包，例如 kb-customer-service-2026-07-17。每个版本至少包含原始导出、清洗后文件、元数据表、上传清单、验收结果和问题记录。
如果石墨团队空间仍是日常协作源，AI 知识库应该有固定更新节奏。高频变化的客服政策、销售报价、产品说明按周检查；研发规范和 HR 制度可按月或版本发布时更新；历史归档资料只在有纠错时更新。
常见问题
石墨团队空间可以全部导入企业AI知识库吗？
不建议全部导入。团队空间通常混有公开资料、内部资料、敏感资料、过期资料和个人草稿，应该先按用途、权限和时效筛选。
企业AI知识库需要保留石墨原始目录吗？
需要。原始目录是追踪来源、排查错误回答、做版本回滚和权限复核的重要依据，即使 AI 平台不会完整识别目录，也应该在本地资料包中保留。
哪些石墨内容不能直接进入AI知识库？
客户个人信息、合同敏感条款、密钥、财务明细、人事资料、未发布战略、过期政策和权限不清的共享文档，都不应直接上传。
企业AI知识库怎么处理历史版本？
建议只让当前生效版本参与问答，历史版本放入归档目录。确需查询历史时，应建立单独知识库并在回答中明确版本和时间。
怎么判断团队AI知识库已经可以上线？
至少要通过权限检查、敏感信息抽检、标准问题集、错误拒答测试、来源引用检查和回滚演练。只完成文件上传不能视为上线。
