上周和一家做五金配件的老板聊天，他说了句很扎心的话：「我们厂最值钱的不是那几台设备，是王师傅脑子里那套报价和排产的逻辑。他要是走了，我这厂至少瘫半个月。」
这不是个例。中小企业最贵的资产往往不在账上，而在几个老员工的脑袋里、在微信聊天记录里、在几份改了几十版的 Excel 里。人一走，经验就断档，新人只能把坑重新踩一遍。
这篇文章只讲一件事：怎么用 AI 智能体，把岗位经验从「个人资产」变成「企业资产」。不讲概念，只讲能落地的四步，以及真实项目里踩过的坑。
一、为什么经验总是留不住？三个绕不开的现实
- 没时间写。 让老员工整理 SOP，他能拖三个月。业务一忙，沉淀永远是「明天再说」。
- 写出来也没人看。 一份 30 页的 Word 手册，新人翻两页就放弃了，遇到问题还是直接问人。
- 经验是动态的。 客户改了要求、供应商换了料，手册三个月就过期，而且没人维护。
所以传统「写文档」的路线，在中小企业几乎必然失败。真正能跑通的路子是：不要求人写，只要求人「说」；不做手册，做能问答的智能体。
二、AI 智能体做的不是「存档」，是「会回答问题的老师傅」
很多人一听「知识库」就以为是网盘。两者差别很大：
- 网盘 / 共享盘：你得先知道在哪个文件夹、叫什么名字，才能查到。
- AI 智能体：你直接问「这个客户要 500 件、交期两周，报多少钱合适」，它会把历史报价逻辑、材料成本、工时标准一起捞出来，给你一个带依据的答案。
核心差别在于：检索方式从「人找文档」变成「人问问题」。这一步的变化，决定了新人愿不愿意用、老员工愿不愿意喂。
三个角色分工，别让一个工具干所有事
- 知识库：存原始料——报价单模板、工艺说明、高频问题、优秀回复话术。
- 智能体：定规则——用什么语气、按什么流程回答、什么情况必须转人工。
- 日常工具：企业微信 / 钉钉 / 网页入口——让员工不用「特意去学一个新系统」。
三、四步落地：从零到能用，两周就够
第 1 步：选一个「高频 + 有标准答案」的场景
不要一上来就做「全公司知识库」，那是必死项。选场景用三条标准筛：
- 发生频率高（每周至少十几次）
- 答案相对固定（有对错，不是纯创意）
- 目前主要靠问人（说明经验集中度高、风险大）
典型好场景：产品报价口径、售后常见故障排查、入职流程与制度问答、客户常见异议应答。
第 2 步：喂料——把散落的经验收成一份清单
最有效的方式是访谈式采集：找那位老师傅坐下聊两小时，你问、他答，录音转文字后直接进知识库。比让他自己写快十倍，而且他更愿意讲。
一份够用的料通常包含：
- 5～10 个真实历史案例（最好带当时的判断过程）
- 关键参数表（成本构成、工时、通用折扣区间）
- 20～30 条高频问答对
- 红线条款（哪些话不能说、哪些单不能接）
第 3 步：定规则——把「老师傅的脾气」写进提示词
这一步最容易偷懒，也最影响体验。至少写清四件事：
- 身份与语气：你是这家公司××岗位的助理，说话简洁、先给结论。
- 回答格式：结论 → 依据 → 还需要确认的信息。
- 知识边界：知识库里没有的，明确说「不确定，建议找××确认」，不许编。
- 升级规则：涉及价格承诺、合同条款、安全事项，必须转人工。
第 4 步：嵌入日常工具，让员工「顺手就用」
再好的智能体，如果需要单独登录一个网址，使用率至少掉一半。把它挂到企业微信 / 钉钉群里，或做成一个网页入口，员工在原有的工作流里直接提问，才可能形成习惯。
上线后前两周，每天花十分钟看真实提问记录，把答错的补进知识库——这是让准确率从 60% 涨到 90% 的唯一办法。
四、算一笔账：这件事到底值不值
以一个 30 人左右、有 3～5 名核心老员工的企业为例：
- 新人上手周期：从 3 个月压缩到 1 个月左右
- 老员工被打断的次数：每天省 1～1.5 小时（这是隐性成本最大的一块）
- 关键人离职风险：从「业务瘫半个月」降到「一周内可交接」
- 投入：一套私有部署的智能体环境 + 两到三周的准备时间，之后基本零边际成本
把老员工每天被问 10 次、每次 5 分钟算成 50 分钟，一个月就是 20 多个小时——这还没算频繁被打断带来的注意力损耗。而注意力损耗，往往比时间损失更贵。
五、三个最常见的坑
- 贪大求全。想一次把公司所有知识都装进去，结果料太杂，答什么都不准。正确顺序是先窄后宽。
- 只喂文档不喂案例。纯制度文档回答生硬，带上真实案例的判断过程，答案才「像人」。
- 上线就不管了。智能体不是一锤子买卖，前一个月的反馈维护决定它能不能活下来。
结语
中小企业做数字化，最忌讳一步登天。经验沉淀这件事，门槛其实比想象的低：不需要全员参与，不需要几十页手册，只需要选一个高频场景，把老师傅两小时的经验变成可问答的知识库，再挂进大家每天在用的工具里。
经验留在人身上，是风险；经验留在系统里，才是资产。