比较普通提示词、临时上传文件、长期知识库、联网搜索和 Agent，先选最低成本的正确方案。

填写使用场景、主要用户、高频问题和已有资料，生成首批资料范围、回答边界和测试计划。

从文件名、目录、状态、版本和归档规则开始，建立长期可维护的资料结构。

根据现有资料范围，生成保留、合并、待确认、归档四类清单。

学习资料变多以后如何更新、替换、失效标记和归档，避免知识库越用越乱。

从创建知识库、导入文件、检查解析结果到挂载智能体，按步骤完成第一版。

一次上传太多、资料冲突、分段失真、没有测试题，都会让“能跑”变成“不可用”。

至少能用 3 个真实问题找到正确资料；还不需要追求复杂 Agent、自动化或大量资料。

定义用途、适用对象、有效期、优先级和禁止推断，让 AI 不会把内部草稿当正式口径。

明确优先查资料、无依据不补全、资料冲突时提示、敏感问题转人工。

价格、政策、效果、承诺、学术引用等高风险内容，要比语气、格式更早建立边界。

用资料独有信息和反事实测试，排除“模型刚好凭常识答对”。

按资料、解析、召回、上下文、冲突、规则逐层定位问题。

把真实用户问题做成有答案、无答案、冲突和综合测试集。

不要看到一个错误改一个提示词，先分类失败原因，再按影响程度修复。

输入主要用户、真实任务、常见问题和资料范围，生成场景知识库结构。

至少找一个真实使用者完成一轮试用，再决定扩资料、改规则还是进入 Agent。

先从一个高频重复任务开始，理解 Agent、知识库、工具和人工确认如何配合。

把一个人工流程拆成触发、输入、知识库、判断、执行、输出和人工兜底。

先感受“提出任务 → Agent 按规则组织回答”的方式，再决定是否进入自建和自动化。