很多人使用AI知识库的方法，是把资料全部上传，然后立刻提问。但金山办公员工张梓赟的实践恰恰相反：导入资料不是结束，而是培养AI理解业务的开始。
他的工作涉及AI中台、不同产品线和多类解决方案，概念多、层级复杂。将材料上传至WPS Comate的Wiki后，他没有自己先建目录，而是让AI完成编译，再追问它：哪些内容被识别为概念，哪些是实体，为什么形成这样的结构，还需要补充什么信息。这个过程相当于先和AI一起“定规矩”。
第二步是让AI反问。他会直接告诉AI：“你学完了，可以问我问题，告诉我你哪里不懂。”AI由此主动列出已经理解的内容、仍有疑问的地方、缺失的信息和需要确认的关系。过去整理知识时，人很难知道资料还缺什么；现在，AI先暴露自己的知识盲区，再由业务人员有针对性地补充。
为了避免未经确认的理解影响后续工作，他还建立了“校准—入库”机制：AI形成的新认识和问答内容先放在Memory中，经人工检查、纠正后，再进入正式Wiki。一次校准后，AI甚至重新梳理出品牌、解决方案、产品线与SKU之间的完整架构。
在准备轻舟AI发布会PPT时，这套长期积累开始发挥作用。他先让Comate基于Wiki生成内容框架，确认逻辑后再生成页面内容，最终第一版就达到可用水平。这个案例说明，真正好用的AI知识库不是“喂得越多越好”，而是像培养新同事一样，通过提问、反馈和校准，让它逐步形成可靠的业务认知。
