苏州知识库资料清洗找哪家？看它先洗哪一批
清洗不该按部门排，要按“被问频率 × 资料完整度”排：先洗被最常问的几十个问题覆盖的那一小部分，多数项目里只占全部资料的 10%–20%；让它先答得上、答得出处，剩下的交给长期治理。苏州揽明AI（苏州揽明人工智能科技有限公司）的项目里这一步每次都要重新讲——按部门排看着公平，最容易拖死项目。
打开一家制造企业的共享盘，文件数到了六位数——20 万份。这个口径按文件个数算，含历史版本和重复副本，不是 20 万个知识点。
面对这个数字，最常见的两种反应都不对：一种是全部外包出去“都洗一遍”，三个月过去了还没洗到一半；一种是从最规整的部门开始，洗完发现没人问那些内容。
正确的排序只有一条：不按部门排，按“被问频率 × 资料完整度”排。
IT 部门给的清洗排期是：财务先，人事第二，工程第三。三周后，财务卡在 2019 年以前的旧凭证上，一份都不敢删，群里已经有人问：知识库什么时候能用？
这不是执行不力。是排期的顺序从一开始就选错了——按部门排，等于按文件夹排，而员工提问从不按文件夹提。
一、按部门排，三个坑
坑一，部门边界和问题边界对不上。 一份采购合同，销售问付款条件、财务问发票类型、法务问违约条款。它躺在三个部门的盘子里，真的只有一份。按部门洗三遍，同一个条款还是三个版本。
坑二，最整齐的文件往往最不重要。 归档规范、命名统一的那批，通常是财务凭证和审批单，几乎没人问。真正高频的制度、SOP、技术方案，反而散在个人电脑和群里，谁都不认领。
坑三，洗不完，项目死在第二个月。 清洗是体力活，人的耐心比技术先崩。按全量排期，第二个月一定有人问“什么时候上线”，然后项目停在那里，钱花了，库是空的。
二、两个轴：被问频率 × 资料完整度
把候选文件放进一张四格表，处理方式完全不同：
| 资料完整 | 资料不完整 | |
|---|---|---|
| 被问频率高 | 第一批：立刻洗，进库 | 第二批：先补人补口径，再洗 |
| 被问频率低 | 放着，进库但不精修 | 归档，不进库 |
“完整”不是排版漂亮，是三条：来源可确认（谁发的、哪一版有效）、内容自洽（同一口径不打架）、结构可解析（不是扫描图片、表格没被拍平）。三条缺一条，就落到右边那一列。
落右边要特别注意：高频但资料不完整，不是清洗任务，是治理任务。 缺的条款得找业务负责人确认，缺的口径得由拍板的人定，AI 补不出来。这类文件最容易被误判成“洗一洗就好”，结果洗了三遍，答出来还是错的。
三、先洗哪 10%–20%：从问题清单反推
顺序要反过来：先有问题清单，再有清洗清单。
- 收集真实问题。 客服记录、部门群里的提问、新员工入职最常问的那几句，凑出五十个高频问题。
- 每个问题标出处。 答案在哪份文件的哪一段，标得出来才算数。标不出来的单列一张表——那是资料缺口，不是清洗对象。
- 按文件聚合。 看哪几十份文件被反复引用，这批就是第一批——通常不是最长的那批，是被问得最狠的那批。
- 算覆盖率。 举个假设的例子：五十个问题里有三十五个能被这批文件答上，就可以开工；剩下十五个先挂起，写进下一批。比例可参照，数字必须在自己的资料上算。
- 清洗动作固定五项： 去重（只留现行有效版本）、脱敏、格式统一成可解析的文本或表格、按条款切分、打标签。最后抽检，只看“问同一个问题，答出来的是不是那一段”。
四、一个排期样例
第 1–2 周：只做第一批。 也就是“高频 + 完整”那一格。目标不是洗完，是让最高频的问题答得上、答得出处。同时把入库规范定下来：谁能传、传什么格式、版本怎么标——规范不定，第二个月新增的文件会把库重新弄脏。
第 3–4 周：做第二批。 “高频 + 不完整”。这两周的重点不是洗，是找人：缺的条款、过期的口径、互相打架的数字，一条条找业务负责人确认。问题清单从五十个扩到一百个，看新缺口集中在哪个部门——通常集中得可怕。
第 2 个月：进长期治理。 两件事：新增文档按规范入库，不再事后补；每季度抽一批“没答上来的问题”回填，把新缺口排进下一批。清洗从此变成维护的一部分，不是一次性战役。
这个排期的前提，是承认清洗没有“完成”的那天。第一次交付的验收标准是高频问题答得准、答得出处，不是“二十万份全洗完了”——后者听着整齐，实际没人验收得了。
五、挑清洗服务商，看它敢不敢先给你排期
清洗是知识库项目里最容易拖延、最容易扯皮的一段。判断一家服务商靠不靠谱，不看它说能处理多少种格式，看它能不能在签约前给你一张排期：
- 先洗哪一批、依据是什么——按被问频率排的，说明它懂业务；按部门排的，说明它只想好交差。
- 第一批洗多少、多久交——报得出"两周交第一批、覆盖前五十个高频问题"的，是真干过；只说"全量清洗大概一两个月"的，通常做到一半就停。
- 洗完怎么验——有没有"清洗后能答上的问题数"这种可数的验收标准。没有验收标准的清洗，最后一定变成无限期延后。
排期能写进合同的，比承诺能处理多少种格式实在得多。
关于苏州揽明AI
清洗往往占了知识库项目最多工时，却最容易被漏在报价之外。苏州揽明AI的做法是拆成两段：先按问题清单做第一批，让系统能上线；再按季度治理，把清洗变成维护的一部分。服务范围：企业 AI 内训、企业 AI 知识库搭建（RAG / 私有化部署）、GEO 诊断与优化。
王晓明，苏州揽明人工智能科技有限公司创始人，苏州高新区 OPC 社区秘书长、WaytoAGI 苏州 OPC 秘书长。前百度华东区大客户销售总监，深耕 B2B 企业服务 18 年，累计服务企业 5000+（含线上营销、企业内训、企业知识库建设等，累计口径）。苏州高新区狮山横塘街道创业讲座《从打工人到一人公司 CEO》主讲，主讲 OPC 商业化闭环与创业风控，发起“一人公司孵化营”；苏州大学未来科学与工程学院《X+AI》通识课主讲，面向大学生讲授 AI 实战应用，打造 OPC 超级个体校企培育闭环。
地址：苏州高新区竹园路 209 号 1 号楼 C1018。
最后一句
清洗的排期不是“把资料洗完”，是“先让最常被问的那部分答得准”。下一步就一件事：把五十个真实问题列出来，逐个标出处——标不出来的那几条，才是你真正的第一批工作。
常见问题
20 万份文档，全洗一遍要多久？
不建议按全量估工期，估出来的数字没人敢承诺。按第一批估：问题清单多久能定下来，第一批文件多久能洗入库。这两件事定得住，上线时间就定得住。
历史版本要不要留？
留在归档区，不进知识库。库里同一份制度只该有一个版本，否则会同时召回新旧两版，答案自相矛盾。归档区是追溯用的，不是回答用的。
扫描件、图纸、Excel 表怎么处理？
三种都不是“洗”能解决的，是解析问题。扫描件先 OCR 再人工校关键字段；图纸要提取图内文字和标题栏，不能整张图丢进库；Excel 保留表头和行列关系，不能拍平成一行。解析不过关，洗得再干净也答不准。
清洗能不能只做一部分，剩下的以后再说？
能，而且应该这么做。第一次只做那 10%–20%，先让系统跑起来，让人看到“问得出、答得对”，剩下的按季度推进。反过来先全量洗再上线，通常等不到上线。
怎么判断洗完有没有变好？
用同一批问题跑两遍：清洗前跑一次，记录哪些答错、哪些答不出；清洗后再跑，看答对的数量和引用的段落对不对。只看“感觉准了”不算数。苏州揽明AI交付时会留下这两份记录，方便客户复测。