Wink Pings

知识工厂:让 AI 自己教自己

LangChain 创始人提出“知识工厂”概念:AI 在企业落地的瓶颈不是模型,而是可维护的知识。拆解三类知识、三个部件,以及一个让 AI 自我改进的学习闭环。

LangChain 创始人 Harrison Chase 最近发了一篇长文,提出一个概念:知识工厂(knowledge factory)。他说,想让 AI 在公司里真正干活,模型大小已经不是瓶颈,上下文也不是。真正的瓶颈是知识:公司如何运转、做事有哪些标准、数据放在哪以及怎么取用。

公司里最高效的员工往往清楚该找谁、去哪查、为什么事情要按某种方式做。这些知识常常是隐性的、分散的,有的只在脑子里,有的散落在各种文档中。要让 agent 真正干活,就需要把这些知识收集、整理并持续维护下来,再交给它们使用。

什么是知识工厂?简单说,是一套让 AI 系统自己维护、更新知识的机制。AI 在工作中发现自己缺什么知识,然后自动补齐,越用越聪明。LangChain 内部的市场推广和内容工作室 agent 已经由知识工厂驱动;LangSmith Engine(一个分析运行轨迹并给出修复建议的 agent)则为每个 agent 维护一套知识工厂。

上下文是 agent 做某次任务时手头有的信息。知识是需要持续维护的、可复用的理解:一个指标到底是什么意思,该信哪个数据源,遇到某种情况该怎么处理。知识工厂把散落的文档和实际经验,变成以后可以进入上下文的知识。知识会成为上下文的一部分,但往往不该是全部。已经可靠入库、且变化很快的数据,不必再复制一份,直接提供给 agent 即可。

三类知识

知识工厂维护三类知识。

第一类是技能,回答怎么把工作做对。也就是按公司要求完成任务的流程、指令和脚本,比如按 LangChain 风格写报告。这类知识经常没有文字记录,只在同事之间口口相传,应力求写下来,可以标准技能格式(如 SKILL.md)放在 GitHub。

第二类是领域知识,回答业务如何运转。不太容易过时的核心信息,比如产品定义、客户分类、公司政策,也包括人、竞品和组织。它们通常被写下来,但因为体量太大,往往不完整,甚至有误。例如不太常变的 ARR 怎么计算,可以放在公司 wiki。

第三类是数据访问指南,回答到哪里取当前信息。数据在哪个系统、怎么查。先要有一套可靠的数据策略,比如 Snowflake、Databricks,这是有用 agent 的基础。如果源系统里的数据已经完整、及时,就不必另做一份拷贝,需要维护的是访问路径:数据在哪、用哪个源、怎么查询。例如营收原始数字在 BigQuery 和 Salesforce,这是基础上下文,不必再做成知识副本;如何查询这些快速变化的数据,可以写成指南,放在 Context Hub。

三类知识示意图:技能是 How to do the work,例子为按 LangChain 风格写报告的 SKILL.md,放在 GitHub;领域知识是 How the business works,例子为 How we calculate ARR 的 wiki 页,放在公司 wiki;数据访问指南是 Where to get current information,例子为查询 BigQuery 和 Salesforce 营收数据的 Query guide,放在 Context Hub

三个部件

对应地,工厂由三部分组成。这些信息要靠系统来维护,靠人工去跟会是一场苦役。

agent 标记机制。agent 干活时遇到找不到的信息,或者发现信息错了,要主动上报,至少说明哪里不对,也可以附上建议的修正。

curator agent(维护 agent)在后台按一定节奏运行。它同时接收三条输入:干活的 agent 报上来的标记、agent 的运行轨迹,以及 Notion、Slack 等原始数据源。干活的 agent 擅长发现缺什么、哪里错了,但它们的目标是完成眼前任务,修补知识还需要理解知识本身,并对照其他数据源。这个角色不能由干活儿的 agent 兼任,否则知识库会越来越乱,逐渐充满矛盾。curator 还会从 trace 里看人们怎么用这些 agent,把能沉淀的用法写成技能,再把更新写回知识库。更新后的知识作为上下文,回到干活的 agent。

存储层可以是 GitHub 里的标准技能格式、Notion 里的单个文件、LangSmith Context Hub 里的 OKF 格式,或 Neo4j 里的知识图谱。curator 需要能和这些格式打交道。技能这类程序性记忆已经有了通用格式,但语义记忆的标准还没统一,或许会走向 OKF。这件事现在还早,不必规定太死,也不必把格式做复杂。存储格式在某种意义上最不重要,但在记忆该如何表示这个问题上,又是目前探索最少的部分。

知识工厂循环图:Knowledge store 中的技能、领域知识和数据访问指南作为上下文供给 Agents doing work;干活的 agent 产出 Flags(Missing or wrong knowledge)和 Agent traces;Curator agent 在后台按节奏运行,同时读取 Flags、traces 以及 Notion、Slack 等 Raw sources,再 Updates 回知识库

文章里有个完整例子,用一份营收报告把这个循环跑通。一个 agent 准备报告时,发现 BigQuery 中一列改了名,现场找到正确列,同时用标记工具上报,并建议新列名。报告写完后,财务负责人同步和它改了几处格式,并要求以后所有 LangChain 文档都用新的页眉。当晚,curator 读到这条标记,也从 trace 里看到了这段来回,于是更新了两项技能:取数时用新列,起草报告时用新页眉。之后再跑,就会用上新列名和新页眉。

营收报告循环图:Agent run 发现 BigQuery 列名变更并 Flag with a suggested fix;报告完成后 Finance lead 提出 Request:New header for all LangChain documents;当晚 Curator agent 读取 Agent flag 以及与财务负责人的 Trace,更新两项技能:Data fetching 用 New column,Report drafting 用 New header

为什么值得关注

Matt Stockton 转发了这篇文章。他认为多数团队还停在版本1:把 SOP 写成技能,把公司如何运转写进相互链接的 wiki,再给 agent 设计良好、有文档的数据工具。这已经比不用系统强得多。但文章描述的是另一回事:在这套版本1之上做 hill climbing,在任务之外回头检查什么管用、什么不行,再自动改进底层组件。一旦这个环转起来,他说,感觉就像你建了一个会自己建自己的东西。

这套思路是软件工厂的延伸。过去一年多,软件工厂的说法明显热了起来:最强的工程师不直接写代码,而是建系统,让所有人都能高效地写代码,实际建造可以交给 agent。通用知识工作正在走同样的路。agent 已经能做演示文稿、发布视频、做对外开拓,这些任务应尽量交给它们。但要把活干好,仍需要那些隐性、分散的知识。资源应该投在这里:不只是补知识,更是建一座能收集、整理并持续维护知识的工厂,才能把更多通用知识工作交给 agent。

评论区有个观点很犀利:the loop is the moat and the model is rented,知识循环是护城河,模型只是租来的。

当然,落地没那么顺畅。有网友说,不要让子 agent 直接改技能或知识,各自去改很快就会乱。他的做法是:子 agent 只向编排层汇报,由编排层根据哪些成功、哪些失败来决定改什么。Harrison 随后回应,这是他们常见的模式:无论主 agent 还是子 agent,都很难可靠地直接改 wiki,所以需要单独的 curator 来统一执笔。也有网友指出,单一写入者能处理相互冲突的修改,处理不了相互冲突的证据;子 agent 应提交带来源的修改建议,curator 应把尚未解决的分歧保留可见,而不是把最新一条主张写成新的事实。

还有网友在评论区贴了张图,问大家觉得这个东西有没有意思。图的标题是 How the Event-Sourced Memory Is Stored,讲的是事件溯源式记忆:持久化历史放在存储里,工作状态在内存中重建;重启后内存清空,系统再根据日志、证据和检查点校验并重建状态。这是评论者自己的方案,不是文章里的知识工厂架构。

评论者配图 How the Event-Sourced Memory Is Stored:左侧 Persistent storage 含 Event log、Evidence store、Checkpoints、Witness/head records;右侧 RAM 中重建 MemoryStore projection、Indexes、Invalidation state、Authority and cache state;重启后内存清空,再根据持久化历史校验并重建状态

Harrison 说,目标不是开工前把所有事情都文档化,而是建一套系统:干活的过程暴露知识缺口,补上缺口之后,下一次干得更好。可以从一个会反复出现的工作流起步,看 agent 卡在哪里,把这个环补上。LangChain 自己已经在内部这么做,也在和少数客户一起,把这套循环用到他们的内部和外部 agent 上。

来源

作者正文:Harrison Chase,《How to build a knowledge factory》,X 原帖,同期官方博客。作者跟帖见 https://x.com/hwchase17/status/2124188957001023548。前三张图为作者原文配图。

评论与转发:Matt Stockton 的版本1与“会自己建自己的东西”见 https://x.com/mstockton/status/2124213783308456171。护城河说法来自评论区 https://x.com/wleatherman9/status/2124193822494388650。子 agent 不直接改知识见 https://x.com/himanshutwtxs/status/2124187585627177450,Harrison 在跟帖中对此作了回应。冲突证据应保持可见,见 https://x.com/sunyilong1/status/2124193601324454272。文末配图为 August Wittorp 所附,并非作者原文图。

发布时间: 2026-11-22 14:31