Meta 的组织级第二大脑构建方法:让专家隐性经验成为 AI 能持续使用的能力

从三个专业判断痛点,到知识、流程、评测与反馈改进的完整设计。

作者:Engineering at Meta09-07 · 10 分钟
技术解读 · 小互解读
一分钟速览
  • 专家经验包含适用条件、判断顺序和例外边界;只留下最终结论,AI 仍难以复用。
  • Meta 将组织知识与分析流程分开保存,让每个阶段按需读取依据,无需为知识更新重新训练模型。
  • 专家纠正经过归因、修改、原案重放和回归检查,批准后同时留下更新与测试案例。

Meta 写了一篇技术博客,分享他们如何为合规等专业领域构建一个“组织级第二大脑”(Organizational Second Brain)。

它要把领域专家脑子里没有完整写下来的“隐性经验”沉淀下来,让 AI 学会按照内部专家的判断方法开展分析,并且不需要重新微调或训练大模型,就能通过专家的日常反馈持续改进。

这件事要解决的,是企业使用 AI 时一个很实际的问题:文档已经接进去了,为什么做判断时还是得找专家?专家纠正过一次,为什么下次还可能答错?

当下的核心痛点:

在合规评估中,找到一条规定,只是工作的开始。真正费时间的是判断:这条规定适不适用于当前产品?公司过去如何处理类似情况?哪些条件必须满足?什么情况需要交给专家决定?

Meta 在合规领域遇到的困难,集中在三个方面。

第一,专家知道怎么判断,但文档没有把“为什么”写清楚。

“隐性经验”包括专家习惯先看什么线索、怎样排列因素的重要性、旧结论在什么条件下有效,以及什么时候应当停止推断、找人讨论。有时专家已经熟练到不会主动解释这些步骤,历史记录便只留下了最终结论。

例如“允许小范围试用”是一条结论,却还没有告诉后来的人:试用面向谁、使用什么数据、出了问题能不能撤回。下面用一组教学规则把这些隐藏条件具体化:只有内部测试、模拟数据、可回退三项同时满足,才进入常规试用评审;其他情况转专项人工评审或补材料。 这是帮助理解的虚构规则,不是 Meta 的内部制度。

进入常规试用评审

内部测试、模拟数据、可回退三项同时满足。这里决定评审路径,常规评审仍需完成,并不等于已批准上线。

教学规则:三项全满足才走常规;已知存在对外开放、真实数据或无法回退,转专项人工评审;尚不能确认数据且没有已知排除条件,先补材料。此例为虚构教学规则,不是 Meta 制度。

改变试用人数,未必改变评审路径;把模拟数据换成真实用户信息,即使人数不变,也可能需要另一种评审。专家经验里包含的正是这种取舍:什么只是表面相似,什么才会改变判断。

将这些经验写下来,也不只是给旧文档做摘要。摘要可能仍是“项目获准试用”;可复用的知识则要保留适用条件、排除情形、判断依据和未决问题。原文介绍了从文档中离线提炼、再用专家反馈更新的办法,但没有公开完整提炼算法;文档中没有出现、专家也从未表达的经验,不能被默认视为系统已经知道。

第二,大模型懂一般知识,却不知道这家公司采用什么标准。

同样一项业务,行业里可能有几种处理方式,但公司已经基于历史经验、业务方向或风险承受能力,确定采用其中一种。

通用模型可以列出几种方案,却不知道公司已经做过这个选择。它给出的建议未必没有道理,但仍需要内部专家重新判断、修改。

缺的就是组织自己的立场:面对这个问题,我们采用什么解释,又有哪些不能越过的边界。

第三,RAG 能找资料,却不能省掉每次重新梳理判断依据的工作。

RAG,也就是检索增强生成,可以在回答前查找相关文档。但检索结果可能同时包含旧项目记录、现行规则和只适用于特殊情况的例外。

如果没有提前整理,AI 每次都要重新判断:哪份材料优先?哪些条件适用?几份资料之间有什么关系?

这既费时间,也容易导致同类问题得出不一致的结论。专家纠正了一次,如果纠正只留在聊天记录中,没有进入知识或流程,下一次分析仍可能重走同一条错路。

所以,Meta 要补上的两项能力很明确:把专家使用的判断条件提前写清楚;把后续纠错真正更新到系统中,并检查更新是否有效。

系统核心设计:四大支柱

Meta 将系统拆成四层,让判断依据、执行步骤、验收标准和反馈更新各有明确职责。

Meta 原图:知识、推理、评测、改进循环的职责

知识层保存公司采用的判断标准;推理层规定怎样完成分析;评测层检查修复和副作用;改进循环把专家反馈变成待验证的修改。

这四层相互依赖:知识有明确的文件边界,才能精确修改;分析有明确步骤,才能定位失误;评测决定修改能否通过;改进循环则把结果更新回知识和流程。

知识层:把专家每次都要解释的内容,提前整理好

Meta 先对原始文档进行离线处理,提炼其中的组织判断,整理出 200 多个结构化文本文件。

这些文件分成四类:

  • 立场文件: 公司对某个问题采用什么解释,适用条件和限制是什么。
  • 分类与词汇文件: 团队使用的术语分别是什么意思,避免同一个词被理解成不同概念。
  • 路由索引: 根据当前任务的特征,找到适用的规则和分析流程,减少仅凭文字相似度选资料。
  • 入口检查文件: 先判断当前任务是否属于某类专业分析的适用范围,避免一上来就套错规则。

Meta 原图:知识库目录、触发条件与双向依赖字段

这张泛化示例把分析步骤放在 recipe 目录,把立场和事实放在 knowledge 目录。右侧文件头中的 triggers 标注何时加载,depends_on 标注依赖哪些依据,referenced_by 标注哪些流程或规则会使用它。YAML 是这些结构化字段的书写格式。

入口检查先回答“当前任务是否属于这个分析范围”;路由再回答“进入之后该使用哪些规则”。一段文字很相似,不代表它适用于当前任务;明确的触发条件让选用依据有据可查。

沿用试用例子,一份可用的知识卡可以写成:

组织立场:满足内部测试、模拟数据、可回退,进入常规试用评审。
适用范围:功能试用申请。
排除情形:对外开放、使用真实用户信息,或无法回退。
信息不足:先补齐材料,不猜测条件已经满足。
依据:教学例子中的专家补充说明。
使用者:试用评审流程、材料检查清单。

这些文字是教学知识卡,原图中的目录和字段值也标注为泛化示例。这里要看清的是结构:规则、边界、依据与使用者都能单独检查。

资料也不必全部塞进 Wiki。Meta 按信息密度与使用频率分工。信息密度可以理解为:一段材料里,有多少内容直接帮助作出当前判断。经常使用的提炼规则放在 Wiki,具体产品规格和历史细节按需检索。

一份很长的历史材料也可能同时承担两种用途:从中提炼的通用判断进入核心知识,原始细节继续作为按需查找的证据。常用不等于整份文档都要常驻上下文。

推理层:把专家的分析方法写成步骤

有了正确知识,AI 仍可能用错顺序、漏查条件,或者过早下结论。

因此,Meta 另外建立了称为 Recipes 的分析流程,规定先检查什么、在哪一步加载哪些知识,以及什么才算完成分析。

知识文件告诉 AI“采用什么标准”,流程文件告诉 AI“怎样用这些标准完成这次任务”。 流程引用知识文件,不把领域事实重复写进步骤;知识文件陈述立场,不规定操作程序。

顶层流程根据任务调用不同的子流程,每个子流程负责一个分析阶段。新增组织立场时,主要更新知识和路由;分析方法有问题时,则重点修改流程。

分阶段执行时,每一步只加载当前需要的指令和资料。以教学案例为例,入口阶段先确认是不是试用申请;查标准时拿立场文件;核实条件时再查这次产品的数据范围和回退材料。

先确认:这是不是功能试用申请?
流程文件 · 怎么做
入口检查流程:检查申请类型,决定是否进入试用评审。
核心知识 · 用什么标准
入口文件 + 分类词汇:界定“试用”在此任务中的含义;暂不加载无关领域立场。
按需证据 · 这次的事实
申请摘要:本次要评什么。此时不必读取完整产品规格和历史项目记录。
教学文件分工示意。各阶段读取当步所需内容;常用判断进入 Wiki,产品规格和历史细节按需检索。同一来源可同时提供提炼规则与原始证据。关联字段用于追查影响,不代表全部依赖文件都要一次加载。

这让“改知识”和“改流程”有了不同对象。评审标准变了,更新立场文件;标准已经写清,但助手漏查数据范围,则修改材料核实步骤。两者通过引用连接,减少把同一条标准重复写进多个流程后改漏一处的风险。

人机协同:该让专家介入的地方,明确停下来

Meta 保留了两种人工介入方式,它们贯穿分析过程。

检查点(Checkpoints)设在预定的分析节点。AI 展示中间判断,专家确认后再继续,也可以当场纠正方向。

升级转人工(Escalations)用于无法可靠判断的情况,例如必要信息缺失,或者证据支持多种合理解释。此时由专家决定接下来怎么处理。

专家的介入既帮助完成当前任务,也留下了可供系统改进的反馈。通过观察中间判断和不确定之处,专家还能逐步判断哪些工作可以放心交给系统。

最亮眼的机制:这个“自进化飞轮”是怎么运转的?

系统真正积累经验的地方,是专家纠正之后发生的事情。

一句“这个结论不对”,不能直接变成可靠的知识更新。文件之间存在依赖,一处修改可能影响其他规则。系统必须查清原因,找到修改位置,再验证修改有没有解决问题。

Meta 指出,人工梳理依赖、检查影响并验证修复,可能耗费数周。

Meta 把这项维护视为“编译”:将自然语言反馈转成精确、可检查的文件修改。整个过程分成四步。

Meta 原图:反馈诊断、编译、验证与批准入库,失败回到修改

1. 根因归因:到底是缺知识,还是用错了知识?

团队早期尝试按专家说话的形式分类:补充信息就算知识缺口,纠正方向就算流程问题。但同一句纠正可能指向不同根因,这个办法失败了。

后来,系统先从对话中提取专家的实质反馈,再查看 AI 当时实际加载了哪些文件、何时加载、怎样使用,并阅读对应内容。

随后回答一个关键问题:凭当时拿到的材料,AI 本来能不能得出正确结论?

专家纠正
  • 资料缺答案补知识
  • 资料有答案却出错改流程
  • 专家有分歧人工讨论

继续用试用例子:如果实际加载的规则根本没写“仅使用模拟数据”,需要补知识;如果这条条件已经在材料中,AI 却没核实数据类型,就需要改流程;如果专家对真实用户信息的处理方式没有共识,应先交给人讨论。

这里检查的是实际执行时使用的材料。只看整个知识库中“有没有某句话”,不足以解释一次具体失误。

系统还会按问题出现的频率和严重程度加权,帮助确定处理重点。

这一步避免把所有错误都处理成“再加一条规则”。

2. 手术刀式编辑与对抗审查:改动尽量小,影响要查清

确定原因后,系统把问题转成具体文件修改。

多个子代理分别检查:改动是否与旧立场冲突、引用关系是否受到影响、有没有重复内容、是否超出文本预算,以及测试是否覆盖相关情况。

接着,一个处于全新上下文的独立审查代理检查修改差异。它不接收提案者的解释,专门寻找矛盾和被破坏的边界条件。

此外,确定性的检查程序负责发现失效引用、标识符冲突、文件超限和依赖循环等结构错误。

语义上的问题交给独立审查,格式与结构上的问题交给程序检查。

3. 两阶段防退步测试:既要修好这道题,也不能改坏其他题

第一阶段是原案例盲测重放。

系统重新运行触发专家纠正的情境。执行任务的 AI 不知道自己正在接受测试;独立评判者根据原专家反馈评价新输出,同时不知道具体改了什么,以减少围绕修改意图给出有利评价的偏向。

第二阶段是回归测试。

系统运行领域内已有的基准案例,检查此前正常的判断有没有退步。对于可能存在多个合理答案的分析任务,评价依据是判定标准,而非答案措辞是否完全一致。

两种测试解决不同问题:原案例重放检查这次错误是否修复,回归测试检查修改的副作用。任何一阶段失败,都要返回修改环节。回归失败时,系统把退步案例、原问题和已经尝试的修改一起交回,作为返工依据。

4. 资产入库与滚雪球:把一次修复,变成以后持续检查的标准

验证通过后,系统生成一份包含具体差异和审计记录的变更请求(PR),交给专家审阅。

专家批准后,知识或流程才正式更新。同时,最初失败的情境和验证后的正确答案,会自动加入回归测试集。

这样,一次纠正留下两份成果:

  • 更新后的知识或流程,供后续任务使用。
  • 新增的测试案例,用于检查未来修改是否破坏了这项已确认的行为。

下面把同一个教学案例落到具体修改上。旧流程只核实试用对象和回退方案,漏掉了数据类型;专家纠正后,补丁应该增加数据核实,而不能把所有试用一律升级为专项评审。

两案通过,等待专家审阅

修改材料核实流程:增加“核实数据类型;未知则补材料”,继续引用原有试用立场。

原案 · 内部、真实数据、可回退 → 专项人工评审。通过:修复了漏查数据导致的误放行。

回归案 · 内部、模拟数据、可回退 → 常规试用评审。通过:原本正确的路径被保留。

形成待审变更:流程差异 + 检查记录。此时尚未更新正式文件,也没有新增正式回归案例。

这两个案例的结果由上述教学规则确定,用来解释原案重放、回归与批准的不同作用;这里没有运行真实 AI 评测。真实系统还需独立审查与结构检查,通过后由有权限的专家批准。

“全部转专项评审”的补丁可能修好了这一次误放行,却让本来符合常规条件的任务也被升级。回归案例正是用来发现这种副作用。批准后保存的是更新后的流程和测试;模型权重没有随这次纠正改变,新的任务通过读取这些文件使用经验。

实际落地成效

Meta 报告,经过三个开发迭代、共六周,系统取得了以下结果:

  • 单次评估从数天缩短至数分钟。 AI 承担了大部分分析工作,专家把更多精力用于有歧义的判断。
  • 输出可用性明显提升。 专家认为结果几乎总是有用,相比早期经常需要大幅返工的状态有所改善。
  • 每轮 Token 消耗约降低 80%。 Token 是模型处理文本的计量单位。这项收益来自分阶段按需加载,减少每轮输入的无关材料。
  • 知识维护也得到加速。 自动改进流程能产出经过验证的知识修改,这类工作此前需要完整的工程开发迭代。
  • 在所述改进周期中未观察到回归。 每次修复还会扩充测试集,为后续更新增加检查依据。

这些是 Meta 对内部特定领域的结果描述。“零回归”对应已经运行的检查,并不保证所有未来任务都不会出错。其他组织仍需要用自己的案例验证效果。

通俗启示:它对企业 AI 落地的参考价值

这套实践给企业提供了一个具体方向:让 AI 学会专业判断,需要同时保存判断依据、执行方法和验收标准。

只有文档,AI 可能不知道怎么使用;只有流程,遇到组织特有的问题仍然缺少依据;只有纠错记录,却没有更新与测试,类似错误仍可能反复出现。

Meta 把这些环节连接起来,让每次反馈都有明确去向:该补哪条知识、该改哪个步骤、怎样证明修改有效,以及由谁批准。

知识与流程保存在人和 AI 都能阅读的文本文件中,每次更新都能比较差异、保留版本,并在需要时回退。复杂的改进过程最终留下的是可以审阅的具体改动。

这种方式尤其值得用于专业经验集中、同类评估需要保持一致、任务量超过专家处理能力,而通用模型分析又达不到要求的工作。合规、财务风险、安全审查和工程标准评估,都可能具备这些条件,具体规则和测试仍需由各领域建立。

采用它需要同时准备有明确边界与关联的知识库、与知识分离的分析流程、持续扩充的评测集,以及与领域风险相称的人工检查点。

组织级第二大脑的价值,就是让专家花时间纠正一次之后,后续任务能够使用这次经验,并持续检查它有没有被正确保留下来。

来源
An Organizational Second Brain: Building an AI That Learns From ExpertsEngineering at Meta·查看主材料
↑ 正文结束
✓ 本篇全文免费开放

会员可复制、下载全文 Markdown,还能让你的 AI 订阅和提问。

阅读原文 ↗
📮 新解读第一时间进邮箱

读完觉得有用?留个邮箱,每篇新解读发布就送达,随时退订。