很多制造企业的老板跟我们聊 AI，第一句话是"想把老师傅的经验留下来"。这个想法没错，但它还不能直接变成一个项目。
Datawhale 公开的《FDE案例100》里，有三个制造业案例碰到的都是这件事：NO.1 是零部件企业的新人培训，NO.8 是工业企业的物料查找和采购，NO.17 是非标制造的售前报价。三个案例分别由各自的团队完成，与 AiPu 无关。下面是我们读完之后的整理，原话都标了案例编号。
先别急着建知识库，先看人是怎么干活的
NO.1 的客户是一家七八十人的零部件企业。新人要靠老师傅带，讲述者了解到的情况是，培养一个新人"可能需要两三个月甚至更长"。老师傅自己生产任务重，有的又快到退休年龄。
讲述者一开始靠访谈，后来发现一线员工未必愿意花时间，很多细节也说不出来。于是他改成跟着员工走一遍工作流程：
看他一天具体在做什么、在哪里停下来、哪里需要问别人、哪些问题不断重复出现。（NO.1）
最后整理出来的是一张"知识地图"：新人最常问什么，最容易反复出错的是什么，哪些只有老师傅才知道。
NO.17 的做法类似。讲述者先去车间看一个订单从图纸到交付经过哪些环节，再翻历史报价单，分别问业务人员和老师傅"拿到一张图纸后第一件事做什么"。
高频问题直接拿来当验收标准
把文档导进系统、AI 能回答问题，不等于知识库做完了。NO.1 的团队把前期统计出来的高频问题直接当成测试集，在小范围测试里，文档解析和召回准确率达到双方约定的标准，才算这条路走通。讲述者特别提到，这个标准不是自己关起门来定的，而是先测出当前能做到什么水平，再和客户一起确定。
这一点对老板很实用：验收时问的应该是"新人常问的那些问题，现在能不能答对"，而不是"系统上线了没有"。
经验不一定是文档，也可能藏在脏数据里
NO.8 的客户是一家海外工业企业。几乎所有部门都抱怨 ERP 不好用，团队追下去发现，问题出在物料搜索：员工明明知道东西在库里，却找不到，于是重新录一条。重复数据越来越多，就越难找，最后变成买错、买重。讲述者把这条链写得很清楚：
搜索困难 → 重复录入 → 数据污染 → 错误/重复采购 → 库存积压 → 最终报废 → 产生真实财务损失。（NO.8）
这里的"经验"是老员工知道某个物料的几种叫法。团队的做法是先清洗、标准化历史数据，再加语义检索，把同一物料的不同叫法对上。采不采购、买多少，仍由业务人员决定。
把每一次人工修改都存下来
NO.17 的非标报价，一开始想让模型看完图纸直接出价，跑起来发现数字经常对不上真实成本。后来改成模型只负责把图纸信息结构化，报价回到企业自己的物料和规则库里匹配，每一单都要人工校准。
关键在校准之后：业务人员改过的地方会回填进数据。讲述者的说法是"AI生成、人工校准、数据回填、下一次结果更好"（NO.17）。老师傅的判断就这样一单一单地沉淀下来，不需要他专门坐下来写文档。
最后一步：放回原来的流程里
NO.1 没有另外给员工一个聊天机器人，而是把知识能力接进企业已有的培训平台，做成带进度和问答验收的课程，带教师傅能看到新人学到了哪里。讲述者说上线后仅陪跑就接近两个月。NO.17 的推广也是先让关键人用真实订单试，再到业务小组，最后才到整个部门。
一份自查清单
如果你也想把老师傅的经验留下来，可以先回答这几个问题：
- 新人入职后最常问的 20 个问题是什么？有没有人记下来过？
- 哪些经验写在文档里，哪些只在老师傅脑子里，哪些其实藏在历史单据和数据里？
- 验收时用哪些真实问题来测？标准由谁和谁一起定？
- 系统给出的结果谁来改、改完存在哪里？
- 它会接进你们现在已经在用的哪个平台或流程？
- 老师傅愿不愿意配合？他从中能得到什么？
这几个问题有答案了，再谈用什么模型、建什么知识库，会顺利很多。如果你想找人一起过一遍，可以先做一次诊断。