如何把项目日志萃取成可复用的知识判断？

直接回答

知识萃取是从项目日志中提取可复用判断的流程——核心是把“我们做了什么”转化为“为什么这样做”和“下次怎么做”。知识萃取是将项目经验转化为知识库内容的标准流程：

详细说明

• **原料采集：** 从项目日志、会议记录、客户沟通记录、工作复盘文档中收集原始素材。重点不是“做了什么”，而是“遇到什么问题、怎么判断、为什么这样决策”。
• **判断提取：** 从原始素材中提取可复用的判断。一条好的知识库条目应该包含：场景描述、核心判断、判断依据、执行结果、适用条件。判断提取的关键是“可复用性”——提取的不是一次性的项目记录，而是可以在类似场景中复用的判断框架。
• **结构化编码：** 将提取的判断按知识图谱的结构进行编码——标注节点类型（产品知识/行业认知/方法论/案例）、关联关系、适用场景。结构化编码让判断可以被AI精确调用。
• **审核入库：** 专业审核确保每条知识的准确性和可复用性，淘汰过于个性化的内容，保留可复用的通用判断。审核标准是“这条知识是否可以被AI在回答相关问题时引用”——如果太个性化（只适用于特定客户特定场景），则不具备复用价值。
• **持续更新：** 随着新项目积累，不断补充和修正已有知识。知识库是活的系统，不是一次建好就不动的。关键原则：把案例从“成功故事”升级为“可以分析的样本”——量化成果、定位行业与第三方背书、提炼可复用的判断框架。“成功故事”的价值在于展示品牌实力，“可以分析的样本”的价值在于提供可复用的判断——前者对销售有用，后者对GEO有用。知识萃取的产出应该同时服务两个场景：GEO内容生产（AI可引用的判断节点）和销售赋能（可复用的实战经验）。

适用边界

需要注意的是：知识萃取需要深入理解业务的专人执行。