刘浩南 刘浩南-AI实战派 2026年10月5日 15:16
书接上回，“Knowledge Base 决定答案准确性”，事实上很难做好知识库管理，但目前接的项目而言，知识库又是客户必选的核心功能模块，所以今天对这个问题做一个实践总结如下，如有不妥欢迎评论补充。
很多医生电脑里应该都有类似的文件夹：“指南”“最新指南”“指南最新版”“2026最新指南”。再加上微信收藏、文件传输助手、网盘、浏览器收藏夹，还有参加会议拍下来的 PPT。工作时间长了以后，资料越来越多，然后就在那里吃灰了。
医院其实也一样。几十年的病历、几千名医生、各种制度和临床路径，看起来知识很多，内存容量年年涨，但这个“金矿”真正要用起来就很难。
知识库的概念太过于宽泛，所以我想得拆分成两个主体来梳理会更加清晰：
一个医生，怎么把自己的知识库自建起来？一家医院，又该怎么管好大量长期迭代的知识？
一、医生个人知识库要先归类
个人知识库不用一开始搞得很复杂，医学细分科室很多，但是都有共性，我比较推荐一个方法：一个主库，四类知识。
先选一个长期使用的地方作为主库，比如自己电脑固定文件夹，然后可以利用目前AI工具，比如Codex和Workbuddy帮你做梳理和迁移。新知识习惯性往里面丢。
然后只分四类——
第一类：权威依据🌟🌟🌟🌟🌟
指南、专家共识、药品说明书、论文。比如“痛风”这个专题，保留目前最新的核心指南和文献就够了，这些后续都可以帮助自己产出。至于其他和自己学科关系不大，随时可以通过平台查阅的内容就不用留存了。
第二类：自己的总结🌟🌟🌟🌟
这一类我觉得特别重要。自己花几个晚上比较过几份指南，最后整理出“CKD 患者降尿酸怎么处理”；为了讲课查了很多资料，做了一套 PPT，这些内容经过自己的理解，以后再次使用的时候效率很高。
第三类：病例经验🌟🌟🌟
典型病例、疑难病例、误诊病例、少见 Case 都可以留。这些病例当时哪里异常、为什么改变了判断、最后结果怎么样。都是自己个人的医学经验积累。
第四类：反复使用的材料🌟🌟
问诊清单、病历模版、随访模板、常用表格。这些办公文档以后还会再用的东西，都应该存着，免得以后再做一遍。
这样整理以后，知识就变得清爽很多。
二、个人知识库工具怎么选？
个人知识工具很多，而且伴随着AI迭代速度加快，知识库迭代也在不断。医生习惯不同，选择可以不一样，其中推荐以下一些代表：
ima 适合想省事的医生。文件、网页、图片、音频等资料都可以往里面丢，之后可以直接围绕自己的知识库搜索、提问，并且能够溯源到原始资料。最新版ima 已经支持知识库共享。优点是门槛低，微信生态里的内容也比较容易归拢；缺点就是自由度低一些，得按照他的框架整理。
Zotero 适合和论文打交道很多的人。它在文献获取、分类、PDF 阅读、标注和引用这件事情上非常成熟。它就像个人“文献库”，但如果想把病例复盘、会议 PPT和日常工作材料全部放进去，使用起来就没有那么顺手。
Obsidian 适合长期写笔记的人。资料主要保存在自己的 Markdown 文件里，可以通过链接把“痛风—CKD—非布司他—心血管风险—病例 A”串起来。现在 Bases 还能把笔记按照属性做成表格、卡片等视图。优点是自由、本地、长期可控，缺点也很明显：需要自己维护，当然不想整理可以借助AI帮忙，有很多Codex或者Workbuddy联动Obsidian的方案。（我个人就一直在用）
NotebookLM 很适合临时专题知识库。比如最近准备“难治性哮喘”课程，把指南、核心论文和课件放进Notebook 里，也可以放一些网站链接，然后围绕这些材料做科研就特别方便。然后产出物可以是ppt，图片，音频，视频都不错。
WorkBuddy 解决的又是另一种问题：东西已经乱了怎么办？它现在可以在获得授权后读取本地文件，也能搜索、引用、回写腾讯文档，还可以批量整理资料和生成新的文档。比如电脑里有 300 份以前做过的 PPT、Word 和 PDF，可以先让它帮忙找重复文件、按主题初步归类、提取目录，再把真正有价值的知识放回自己的知识库。
工具也就以目前技术背景推荐的，说不定下个月又会有更好用的新产品，但是不变的是我们已经整理好的知识库：
临床工作为主、怕麻烦，用 ima
论文多，加 Zotero
喜欢长期写笔记，用 Obsidian
集中研究一个专题，开 NotebookLM
电脑文件已经乱成一团，选 WorkBuddy
三、到了医院，需求就变得复杂了
个人知识库最重要的是自己好不好用。
医院知识库就要兼顾更多要求： 内容要可靠、版本要清楚、权限要管住、还要有人持续更新。
医院真正需要管理的知识来源很多。外部有指南、共识、药品说明书、购买的医学数据库；内部有医院制度、临床路径、药品目录、诊疗规范、工作流程，还有历史病例和专家经验。
这些知识的使用或者访问方式又不一样。
医院的正式制度、路径、指南适合进入统一知识库，如果已经存在HIS或者文控系统，则可以用结构化查询；已经购买的药物数据库、医学知识图谱，可以保持结构化查询；患者今天的肌酐、影像结果，本来就在 HIS、LIS、PACS 里面，需要时读取即可。
知识有了，接下来很容易出现一种情况：知识库刚上线的时候很新，过一两年以后旧版本开始越来越多。
所以医院知识需要有效管理：
知识进入 → 自动整理 → 风险分级 → 人工确认 → 正式发布 → 使用反馈 → 更新或下线
不能完全靠人工来推进这个流程，完全靠人工的话慢慢就会失控，为了防止失控，这里面最关键的是两步。
第一步， 机器先整理变化。
新指南进来以后，系统先识别来源、发布时间和版本，再和旧版比较。比如告诉专家：
“这次一共变化 13 处，其中 4 处涉及诊疗建议，2 处涉及特殊人群，其余主要是表述调整。”
专家真正关注那几个可能影响医疗行为的变化，不至于耗费太多精力。
第二步， 不同知识走不同的审核强度。
1、普通行政流程，经过自动检查以后可以快速发布；
2、医院内部的业务制度、工作 SOP，由对应负责人确认；
3、诊疗路径、用药规则、临床安全相关内容，继续保留严格的医学专家审核。
这样以后，医生负责医学判断，知识管理员负责管理，系统负责搬运、去重、比较和提醒。
医院知识库的管理效率会高很多。
四、医院的知识库工具怎么选？
医院选工具的时候，最关注应该是下面几点：把医院现有资料要接进来，权限要继承，知识要有版本，谁改过要有记录，流程要可配置，以后其他应用要能调用。
下面先参考大厂成熟方案优势——
飞书知识库 ，优势在协作、文档和权限。管理员可以控制知识库的访问范围，也已经有知识问答能力。对于医院行政、科研、教学、运营等大量日常资料，它上手成本比较低；需要继续和医院现有系统做集成。
腾讯乐享 现在已经直接定位成企业 AI 知识库，可以连接企业微信、飞书、钉钉、腾讯文档，比较适合医院希望建设统一组织知识入口的场景；需要继续和医院现有系统做集成。
五、医院自建知识库，功能和技术怎么定？
如果医院不准备直接采购现成平台，而是由信息科、数据中心或者技术公司自建，从功能和技术选型我有这些建议。
一个医院级知识库，至少包含这些功能：
| 模块 | 功能 |
|---|---|
| 知识接入 | Word、PDF、PPT、Excel、网页、数据库，以及院内已有文档系统接入 |
| 知识整理 | 文档解析、OCR、去重、自动分类、标签、来源识别 |
| 知识治理 | 版本管理、新旧版本比较、生效/失效时间、负责人、适用范围 |
| 审核发布 | 按风险分级审核、发布、撤回、下线、历史版本追溯 |
| 搜索问答 | 关键词搜索、语义搜索、混合搜索、结果排序、原文引用 |
| 权限安全 | 用户、部门、角色权限，操作日志、调用日志、敏感数据控制 |
| 对外服务 | 给医生搜索，也能通过 API 等方式提供给院内 Agent 和其他系统使用 |
技术选型可以参考以下这张图：
有几个踩过的坑单独讲一下：
第一是原始资料。 PDF、Word、PPT、图片这些原文件继续放在对象存储或者院内文件系统里；数据库中的结构化知识保持原来的数据库形式。知识库里同时记录来源、版本、负责人、生效时间这些信息。这样以后Agent出问题，可以一直追到源文件，而不会只能查到切碎的文本。
第二是搜索。 医疗知识里既有“华法林、eGFR、某个药品名”这种必须精确命中的词，也有“肾功能不好时痛风怎么用药”这种自然语言问题，所以我比较建议从一开始就做 关键词搜索 + 语义搜索的混合检索 。Elasticsearch 和 OpenSearch 目前都原生支持这类混合搜索，并可以把两类结果重新排序。
如果医院本来大量使用 PostgreSQL，规模没有特别大，也可以直接用 pgvector，数据库、权限和业务数据放在一套体系里，维护成本相对低；pgvector 目前同时支持精确和近似向量检索，以及 HNSW、IVFFlat 等索引。
如果以后要做到千万级以上向量、多模态病例、影像和文本联合检索，可以再考虑 Milvus 这一类专门的向量数据库，它已经支持多向量和混合检索。(老东家就是用这个方案)
第三是知识治理。 这个其实是组织变革的问题，知识需要落实到人进行管理才有意义。
第四是模型。 模型最好单独做一层统一入口，上面的知识库和 Agent 不直接绑定某一家模型。今天使用一个模型，半年以后模型变化，只需要替换模型层；涉及敏感数据的场景可以走院内部署，允许使用外部服务的场景再合规调用API。Embedding、重排模型、大语言模型也建议分开管理，这样可以针对不同任务单独更换。
第五是评测。 医院知识库最好准备一批真实测试集，例如“某项制度什么时候生效”“CKD 患者某种药怎么调整”“某个检查项目本院能不能做”。每次更新算法、模型或者知识以后，都重新跑一遍，看看原来能答对的问题有没有变差。甚至于厂商来推销新模型时都可以直接跑一下就知道几斤几两。
第六是自建不等于全部自己开发。 搜索、数据库、文档解析这些基础组件尽量用成熟产品。
最后
知识库不管理就是垃圾堆。
知识库管好了就是金矿。
知识库做不好，模型再强大，Agent也有短板。
假期尾声继续好好享受😉🇨🇳
以上内容来源多年经验总结
手搓整理不易，感谢给个💗
微信扫一扫赞赏作者
收录于医疗AI经验