AI 知识库上线前，先回答这七个权限问题

AI 知识库常被描述成一个更聪明的搜索框：把文档传进去，员工就能用自然语言找到答案。演示阶段看起来很简单，上线后却会遇到更现实的问题。旧版制度、客户合同、个人笔记和公开资料可能被放在同一片语料中，模型并不知道谁应该看到什么。

权限问题不是技术团队的附赠项，而是知识库能否真正投入工作的前提。一次错误检索可能比搜索不到答案更严重，因为它披着“系统给出的结论”外衣。上线前，不妨用七个问题做一次严肃检查。

问题一：资料来源是否分级

先给文档分级，再讨论模型。公开资料、内部一般资料、敏感业务资料和受限制资料应有不同的保存与访问规则。不要只在文件名里写“机密”，因为检索系统可能读取内容却不继承文件名中的管理含义。分级规则需要与现有协作工具保持一致，让用户不需要学习第二套判断标准。

知识库的权限最好继承原来的文档系统，而不是重新建一份容易过期的名单。用户在源系统中失去访问权后，检索结果应立即消失。若必须单独维护权限，就要说明自动同步频率、失败告警和负责人。没有明确来源的权限设置，短期可运行，长期会积累风险。

一个回答可能同时引用三份文档。用户有权查看其中两份，却无权查看第三份。此时系统应当整段拒绝，还是只使用可访问的部分？不同业务有不同答案，但规则必须提前写清楚。对合同、财务与客户信息，通常应采用更保守的策略：无法确认权限时，不生成包含相关事实的回答。

可追溯不只是文末列出文件名。用户需要打开被引用的具体段落，确认原文语境和更新时间。若引用链接会因为文件移动而失效，系统应保留稳定的文档定位。对重要结论，最好显示来源日期和版本。知识库的价值不是显得确定，而是让人更容易核查。

删除一份文件，意味着原文件、检索索引、缓存摘要、对话记录和备份中的副本都应按规则处理。如果模型生成的长期记忆仍保留已删除内容，用户会误以为信息已经消失。上线前要明确各类数据的保留时间，并验证一次完整删除流程包含哪些环节。

系统提示“无权限访问”，用户是否知道该找谁？有人误传敏感文档时，能否快速定位影响范围？错误答案被引用后，如何撤回和更正？知识库需要的不只是管理员账号，还需要一条可执行的处置路径。没有负责人的权限设计，最终会变成所有人都能上传、没人能解释。

界面上应清楚说明知识库覆盖哪些资料、不覆盖哪些资料，以及答案可能不完整。用户不该把检索结果当作组织内的唯一事实来源。对于时效性强的制度、价格和项目状态，系统应优先来源系统而不是旧文档。合适的提示可以减少过度信任。

也可以把置信状态直接展示给用户：找到明确原文、只找到相似内容、没有足够资料时，界面不应都给出同样肯定的语气。用户需要知道答案来自哪几段材料，哪些部分由模型归纳。对于跨文档总结，最好保留每项结论对应的段落，而不是只在末尾列出全部文件。

知识库还要处理人员变化。新成员加入项目后，是否有权立即检索历史资料；成员离开团队后，缓存中的回答和摘要是否仍可访问；临时合作结束后，共享范围怎样收回。这些问题不会在首次上传文档时出现，却会在半年后变成真正的管理成本。把生命周期写进制度，系统才不是一次性的试用项目。

完成权限设计后，用三组任务测试：普通员工询问公开信息、项目成员询问本组资料、非项目成员询问受限制资料。每组的期待结果应包括可以回答什么、拒绝什么、如何解释拒绝。测试时不要用明显敏感的真实信息，先使用相同结构的模拟文档。

随后检查日志是否记录检索条件、引用范围和管理动作，而不仅是“问答次数”。团队需要从日志中看懂异常，不应保存超出必要范围的问题原文。权限和隐私是同一项工程，只要为了审计而收集过量数据，就会制造新的风险。

测试还应覆盖文档更新。把一份制度从旧版本替换成新版本，确认系统优先返回新内容；把一份文件移出资料范围，确认回答不会再引用它；撤销某个成员的访问权，确认新的提问与已有对话都遵循同一权限。只有动态变化被验证，静态权限清单才有意义。

如果团队没有能力快速完成这些检查，可以先从低风险、范围明确的资料库开始，例如纯公开的产品说明或内部培训材料。先证明检索、引用和权限同步可靠，再逐步加入工作文档。知识库越大不一定越聪明，边界越清楚才越能被信任。

真正可用的知识库，不是把所有文件都交给一个对话框，而是让资料保持原有秩序，再让 AI 在这个秩序里帮助检索和表达。权限越清楚，员工越敢使用；边界越可解释，知识库越有资格承担日常工作。