医疗大模型从小事做起（五）：知识库

首先简单定义一下知识库：知识库通常指的是经过组织、系统化存储的知识集合，能够被方便地检索、查询和更新。它不仅仅是数据的简单堆积，而是有结构、有分类，可能还包含元数据、索引等，方便用户高效获取信息。

前不久，我与医院科室进行了“AI检索+知识库”的内部分享。在分享时，我并没有使用上面这个略显生涩的概念去解释知识库，而是用一个相对轻松的问题，帮助大家厘清知识库的概念：书架上的一堆书，算不算知识库？或者电脑里的一个文件夹，存着跟你业务相关的教材、文档、论文，算不算知识库？

大家可以思考一下，以下是我给出的答案。

基于AI检索的知识库在医院的落地和应用，是一个不错的尝试。理由是，知识库在医院的应用自带两个优势：一是广泛的用户基础，二是良好的内部环境。

广泛的用户基础： 信息科工程师和医生两个主力群体，出于对其职业特性、工作场景和专业需求的要求，对笔记类软件使用需求高，意愿强；尽管笔记类软件并非专业知识库，但其通过结构化存储、智能检索、协同能力等设计，已经具备了轻量级知识库的特性。在使用笔记本类软件的过程中，通过功能设计和交互引导，用户也可以逐渐领会知识库的核心要义，认同知识库的理念，培养初步的使用习惯。

良好的内部环境： 这个“内”，指的是医院的办公环境大多基于封闭的内网，良好的环境是指，无论医院大小和级别，都会将文献数据库作为知识基础设施去建设实施。正是基于这样的前提，确保了医生在工作时段，被“困”于内网时，有一个相对专业、稳定的文献检索工具，一个用来对冲碎片化时间的专业学习平台。

尽管有上述两个优势，但笔记类软件和内网文献库并没有发挥其完全能力，至少与用户的期盼值有所差距。简单说就是，存进去容易，查找和整理麻烦，所以知识库的价值没有得到充分发挥，事倍功半。

以我为例，出于内容创作和学术科研需求，用了很多年笔记类软件，不仅开了会员，还搭配了微信转存，网页剪藏，甚至手表端的语音随记等功能，各种手段都上了，有空时自己还会整理和标注笔记，不可谓不用心；但尽管如此，我也只是勉强完成了“信息聚合”的上半场工作，从“信息聚合”向“知识赋能”的下半场工作，一直做得不好。

文献检索也是如此，看单篇文献容易，但是很多场景要求用户快速切入某一新领域，这时就需要从一堆文献、教材、指南中寻找看似孤立的线索，把它们拼接起来；类似于刑侦剧中，办案人员往往需要从案件卷宗、监控录像、物证档案以及证人证词中，抽丝剥茧地梳理出完整的证据链。这其中难度有多大，大家都知道。因此，知识库的“吃灰”现象，不能说是用户懒或者不用心，真的是挖掘知识价值这件事，太花时间和心思，超出了个体用户能力范围。

转机来源于DS出现后，在使用Cherry studio（一款开源的跨平台大模型桌面客户端）过程中，我惊喜的发现它自带知识库功能。当时，我正在了解某个新的学术研究方向，我一下想到了之前下载的一堆文献和教材，刚好拿来一试，可惜经过测试，当时Cherry studio 内置的 OCR 引擎对复杂布局的PDF支持不太好，但我相信这种AI搜索+知识库的理念是正确的，足以解决我之前在使用笔记类软件时，投入一腔热血去收集了一堆资料，结果价值产出只有零星半点的尴尬局面。

最终，在试用了多款不同类型的知识库，我梳理了一个合格的“AI搜索+知识库”该有的样子：

第一步是找得到：即知识库的创建。 首先通过恰当的提示词，从公开网络中提问检索，找到用户感兴趣的文献，以及相应的文献来源，并且支持一键添加到相应的知识库。

第二步是喂资料：即知识库的更新。 可以通过多种方式，将用户专属的知识添加到知识库，包括网页、公众号文章、教材、论文、任务书、截图等等）

第三步是刨根问底：即围绕知识库进行提问。 围绕用户预先构建的知识库展开提问、追问和内容解释，不仅可以提升答案的专业性和准确度，还能有效避免大模型因为公开网络数据训练引起的幻觉问题。更重要的是，一个合格的“AI检索+知识库”，要能做到将解释的结果，以及提问、追问和回答的对话记录，也加入知识库，正所谓：真理越辩越明，知识库越问越清楚。

第四步是分享和协作。 这项功能做好以后，知识库就可以从个人层面拓展到团队和科室层面，对于一个科室的业务能力传承和积累有很大帮助。有了知识库的帮助，以后科室和团队来了新人，就不用指定专人去以老带新，而是直接用知识库辅助新人快速了解该科室/团队的业务范畴、政策依据、研究内容等内容。

医院良好的信息化基础结合医疗行业知识密集型的特点，让知识库的本地化部署，不仅限于文献检索，可做的事还有很多：比如专科用药指南结合医院自研标准操作流程（SOP），搭配知识库，可以形成专属知识体系；再比如：内网文献库可作为临床决策支持系统的数据源，通过自然语言处理实现“症状-文献-诊断”智能推荐，这些都是不错的想法。

关于知识库本地部署的技术分享，可以参考 《解放军总医院DeepSeek部署实践经验分享》 这篇文章，另外，目前公网上有几家做得不错的“AI检索+知识库”，建议大家可以先体验一下：例如截图中用到的秘塔AI搜索以及腾讯的IMA知识库等等。体验的目的是为了尽可能把好用的“AI检索+知识库”理念从外网带到内网，增强内网用户体验，让内网的AI应用更好地落地生根。

相关链接：

知识库 https://docs.cherry-ai.com/knowledge-base/knowledge-base