當前，如何把DS用好成為一個關注點，結合近期使用DS經驗，個人認為，基于AI檢索的知識庫是一個不錯的嘗試。

　　首先簡單定義一下知識庫：知識庫通常指的是經過組織、系統化存儲的知識集合，能夠被方便地檢索、查詢和更新。它不僅僅是數據的簡單堆積，而是有結構、有分類，可能還包含元數據、索引等，方便用戶高效獲取信息。

　　前不久，我與醫院科室進行了“AI檢索+知識庫”的內部分享。在分享時，我并沒有使用上面這個略顯生澀的概念去解釋知識庫，而是用一個相對輕松的問題，幫助大家厘清知識庫的概念：書架上的一堆書，算不算知識庫?或者電腦里的一個文件夾，存著跟你業務相關的教材、文檔、論文，算不算知識庫?

　　大家可以思考一下，以下是我給出的答案。

　　基于AI檢索的知識庫在醫院的落地和應用，是一個不錯的嘗試。理由是，知識庫在醫院的應用自帶兩個優勢：一是廣泛的用戶基礎，二是良好的內部環境。

　　廣泛的用戶基礎：信息科工程師和醫生兩個主力群體，出于對其職業特性、工作場景和專業需求的要求，對筆記類軟件使用需求高，意愿強;盡管筆記類軟件并非專業知識庫，但其通過結構化存儲、智能檢索、協同能力等設計，已經具備了輕量級知識庫的特性。在使用筆記本類軟件的過程中，通過功能設計和交互引導，用戶也可以逐漸領會知識庫的核心要義，認同知識庫的理念，培養初步的使用習慣。

　　良好的內部環境：這個“內”，指的是醫院的辦公環境大多基于封閉的內網，良好的環境是指，無論醫院大小和級別，都會將文獻數據庫作為知識基礎設施去建設實施。正是基于這樣的前提，確保了醫生在工作時段，被“困”于內網時，有一個相對專業、穩定的文獻檢索工具，一個用來對沖碎片化時間的專業學習平臺。

　　盡管有上述兩個優勢，但筆記類軟件和內網文獻庫并沒有發揮其完全能力，至少與用戶的期盼值有所差距。簡單說就是，存進去容易，查找和整理麻煩，所以知識庫的價值沒有得到充分發揮，事倍功半。

　　以我為例，出于內容創作和學術科研需求，用了很多年筆記類軟件，不僅開了會員，還搭配了微信轉存，網頁剪藏，甚至手表端的語音隨記等功能，各種手段都上了，有空時自己還會整理和標注筆記，不可謂不用心;但盡管如此，我也只是勉強完成了“信息聚合”的上半場工作，從“信息聚合”向“知識賦能”的下半場工作，一直做得不好。

　　文獻檢索也是如此，看單篇文獻容易，但是很多場景要求用戶快速切入某一新領域，這時就需要從一堆文獻、教材、指南中尋找看似孤立的線索，把它們拼接起來;類似于刑偵劇中，辦案人員往往需要從案件卷宗、監控錄像、物證檔案以及證人證詞中，抽絲剝繭地梳理出完整的證據鏈。這其中難度有多大，大家都知道。因此，知識庫的“吃灰”現象，不能說是用戶懶或者不用心，真的是挖掘知識價值這件事，太花時間和心思，超出了個體用戶能力范圍。

　　轉機來源于DS出現后，在使用Cherry studio(一款開源的跨平臺大模型桌面客戶端)過程中，我驚喜的發現它自帶知識庫功能。當時，我正在了解某個新的學術研究方向，我一下想到了之前下載的一堆文獻和教材，剛好拿來一試，可惜經過測試，當時Cherry studio 內置的 OCR 引擎對復雜布局的PDF支持不太好，但我相信這種AI搜索+知識庫的理念是正確的，足以解決我之前在使用筆記類軟件時，投入一腔熱血去收集了一堆資料，結果價值產出只有零星半點的尷尬局面。

　　最終，在試用了多款不同類型的知識庫，我梳理了一個合格的“AI搜索+知識庫”該有的樣子：

　　第一步是找得到：即知識庫的創建。首先通過恰當的提示詞，從公開網絡中提問檢索，找到用戶感興趣的文獻，以及相應的文獻來源，并且支持一鍵添加到相應的知識庫。

　　第二步是喂資料：即知識庫的更新。可以通過多種方式，將用戶專屬的知識添加到知識庫，包括網頁、公眾號文章、教材、論文、任務書、截圖等等)

　　第三步是刨根問底：即圍繞知識庫進行提問。圍繞用戶預先構建的知識庫展開提問、追問和內容解釋，不僅可以提升答案的專業性和準確度，還能有效避免大模型因為公開網絡數據訓練引起的幻覺問題。更重要的是，一個合格的“AI檢索+知識庫”，要能做到將解釋的結果，以及提問、追問和回答的對話記錄，也加入知識庫，正所謂：真理越辯越明，知識庫越問越清楚。

　　第四步是分享和協作。這項功能做好以后，知識庫就可以從個人層面拓展到團隊和科室層面，對于一個科室的業務能力傳承和積累有很大幫助。有了知識庫的幫助，以后科室和團隊來了新人，就不用指定專人去以老帶新，而是直接用知識庫輔助新人快速了解該科室/團隊的業務范疇、政策依據、研究內容等內容。

　　醫院良好的信息化基礎結合醫療行業知識密集型的特點，讓知識庫的本地化部署，不僅限于文獻檢索，可做的事還有很多：比如專科用藥指南結合醫院自研標準操作流程(SOP)，搭配知識庫，可以形成專屬知識體系;再比如：內網文獻庫可作為臨床決策支持系統的數據源，通過自然語言處理實現“癥狀-文獻-診斷”智能推薦，這些都是不錯的想法。

　　關于知識庫本地部署的技術分享，可以參考《解放軍總醫院DeepSeek部署實踐經驗分享》這篇文章，另外，目前公網上有幾家做得不錯的“AI檢索+知識庫”，建議大家可以先體驗一下：例如截圖中用到的秘塔AI搜索以及騰訊的IMA知識庫等等。體驗的目的是為了盡可能把好用的“AI檢索+知識庫”理念從外網帶到內網，增強內網用戶體驗，讓內網的AI應用更好地落地生根。

　　相關鏈接：

　　知識庫 https://docs.cherry-ai.com/knowledge-base/knowledge-base

　　作者簡介

　　李楠，CHIMA委員，醫院信息化工作者，醫學統計學博士在讀。作者觀點僅代表個人，純屬技術交流，與供職單位無關。