我把建知识库的第一件事，做成了一个免费小工具

过去一年，我一直在帮企业做知识库和AI应用项目。

通常每个项目刚开始时，客户都会发个文件夹过来，里面放着几十、几百、甚至上千份 Word、PDF、Excel、PPT。想确认的问题都差不多：这些资料能不能直接放进知识库？有没有要改的地方？大概要建几个库？

我以前会一份一份打开看。看完后经常发现一个问题：

看起来资料挺丰富，真正适合进知识库的，未必有那么多。

• 有些文件是扫描版 PDF，电脑根本读不出里面的文字，更别说里面的图片和内嵌表格；

  有些制度同时存在多个版本，却没人知道哪份是最新版；

• 有些资料只是换了个文件名，内容几乎完全一样；

• 有些文档里存着人员工资、联系方式、合同金额这类敏感信息；

• 还有大量附件、模板、复杂表格，以及已经损坏或加密的文件。

这些问题不提前梳理、确认、整改，直接把文档丢给知识库，不仅会消耗大量token理解无效信息，另一方面——

知识库回答不准，大家先会怀疑 AI 不行。

可很多时候，真正的问题出在资料源头。

所以我每次做咨询前，都要跟客户反复强调一件事：

知识库建设，不是只把文件导入系统。

在导入前，还要完成版本确认、重复清理、格式转换、内容分类、权限确认和敏感信息检查。否则，资料里的问题会原封不动地进入知识库。

01

我把重复体力活，变成了一个小工具

一提到做知识库，很多人的第一反应是：不就是把资料塞到飞书、IMA、乐享或者 Obsidian 里，然后跟 AI 对话吗？

这些做法没错，但前提是「自用」——个人知识库，足够了。

企业级，是另一码事。

我每次交付知识库前，都要拿一批原始文档先做一轮盘点：多少量级、什么格式、打开会不会报错、哪些要 OCR、哪些排版复杂、有没有重复文件、哪些需要单独处理、大致该放几个库……

这些工作不复杂，但全是体力活，很琐碎，而且每个项目都要重做一遍。

后来我把能标准化的部分写成了 Python 脚本。脚本越积越多，我就想：既然每个项目都要做这些检查，为什么不把它们封装成一个普通人也能用的小软件？

于是，就有了这款“知识资产体检工具”。

最开始我只是做给自己用的，用来评估项目难度和工作量。但测试过程中发现一个需求：很多企业还没正式启动知识库项目，只是想先了解一下自己的资料准备程度，看看距离建设真正的企业级知识库，还要做哪些事。

以前为了回答这个问题，得先找供应商、开会、做调研，门槛有点高。

所以我决定把这个工具免费开放出来，供有需要的朋友做一次知识库自检

02

两步跑完体检，你会得到什么

目前发布的是 Windows 版本，支持 Win 10/11 64 位系统，可访问网站：shenyueai.com，下载 exe 安装即用。

下载前你可能有几个疑问，我提前解释清楚：

1. 敢不敢装？工具不需要注册账号，不需要联网，全程在本地运行，不上传任何文件，内网电脑也能用。exe 做了代码签名，安装时可以在系统弹窗里看到签名者信息：申悦，核对后再继续就行。如果杀毒软件仍然弹提示，先确认文件是从 shenyueai.com 下载的，再按你们公司 IT 的规定决定放不放行。

2. 能查哪些格式？Word、PDF、Excel、PPT 四大类，企业资料里最常见的格式都在内。

3. 跑一份大文件夹要多久？实测500份文档约1分钟。

使用方法就两步：

第一步：点击大按钮「选择资料文件夹」，或者直接把文件夹拖进去。企业名称选填。

（注：暂时只支持一次选一个文件夹，但文件夹下可以嵌套子文件夹）

第二步：点击「开始体检」。

剩下的事情，工具会在你电脑本地完成。

我特意没接大模型。一方面，文档数量、格式、大小、重复情况、文件可读性、表格结构这些问题，本身就能通过程序规则判断，没必要为了用 AI 而用 AI。更重要的是：

企业文档往往涉及内部制度、经营资料和敏感信息。本地运行、不上传文件，用起来更简单，也更安心。

体检结束后，你会得到三样东西：

一份网页体检报告。适合老板、管理者或者项目负责人快速了解整体情况。报告会告诉你，文件夹内有多少份文档、多大数据量、各格式占比、文档长度分布、哪些能直接解析、哪些需要 OCR 或人工处理、哪些疑似重复、主要问题是什么、初步可以规划哪些知识库。

一份《整改清单》Excel。落到具体文件——哪份文件有什么问题、为什么需要处理、建议怎么处理。

一份《完整台账》Excel。列出文件夹里所有文档的类型、大小、是否可用、发现的问题，以及建议放入的知识库名称。

03

几个容易被忽略的细节

开发这个工具的时候，我特意加入了几类在知识库项目中很容易被忽略、但实际上影响很大的问题。

1、附件和模板，不该直接切片进知识库

企业资料经常会有“报销申请模板、合同附件、信息登记表”这类文件。它们未必适合直接切片进入知识库。用户真正想问的，通常不是模板里面写了哪些字，而是“这个模板去哪里下载、什么情况下使用、该找谁领取”。

所以工具会建议把附件和模板单独存放，并在相关知识内容中补充下载地址或获取方式。

2、复杂 Excel 和 PPT，不能直接丢进去

多行表头、大量合并单元格、跨区域表格和计算公式，人看起来可能很清楚，但知识库解析后，很容易丢失表头与数据之间的关系。复杂排版的 PPT 同样有这个问题。

这些文件不一定不能用，但通常不能不做处理就直接放进知识库。工具会把它们标出来，提醒你提前安排。

04

这份报告怎么用

讲完功能，我也想把工具边界说清楚。它可以检查文件状态，可以根据规则发现一部分风险，但不能替企业做业务判断。

它不知道哪份制度已经正式发布，不知道两个内容不同的文件该以哪一份为准；

它可以提醒某些内容可能涉及敏感信息，但最终是否敏感，仍要企业自己确认。

报告中给出的知识库规划，也只是根据文件名称、目录结构和内容特征形成的初步建议。企业最后该建设几个知识库，还是要结合使用对象、业务场景、权限范围和大家真正会提出的问题来决定。

就像体检报告能提醒我们哪些指标值得关注，但不能代替医生完成所有判断

这个工具负责把问题找出来，帮你知道应该从哪里开始。

05

我的期望：让建知识库的第一步变简单

这几年，企业对 AI 和知识库的兴趣越来越高。但我也看到，不少中小企业一上来就被各种模型、向量数据库、切片参数和召回率搞蒙了。听了一圈后，还是不知道自己该先做什么。

我的建议一直很简单：

先别急着决定用什么技术方案，先看看手里的资料。

如果资料本身无法读取、版本混乱、重复严重，或者根本没有覆盖员工经常提的问题，那么后面的技术方案做得再复杂，也很难得到稳定的结果。

我做这个工具，没指望它能"一键完成"知识库建设。正相反——

我希望它能帮助更多企业在开始之前，看见那些原本容易被忽略的基础工作。知道哪些资料已经准备好了，哪些问题应该先解决，也知道一个知识库项目真正的工作量在哪里。

如果你正准备建设企业知识库，或者只是想看看公司现有资料到底能不能用。拿一个文件夹先跑一遍，看看结果。

体检完，知道怎么处理，就按整改清单往下推。拿不准先做哪一项，把体检报告发给我，微信s2dongman，备注"体检"，我结合报告帮你看看这个项目要顺利启动还差哪些事。用的时候碰到报错、误判，或者发现有问题没查出来，也直接跟我说。

这工具最开始只是我做项目攒下的几个小脚本。现在我希望它成为更多企业建知识库之前，一次简单、免费的自我检查。

我是申悦，企业AI顾问，解决方案型FDE。提供企业AI培训、AI落地方案咨询、AI智能体设计和运营陪跑服务。服务过东风集团、海亮集团等世界500强企业。如果你的公司正在AI转型、知识库建设和智能体落地，加V详聊：s2dongman