当 Agent 开始读取你工作聊天记录的时候，企业知识库正在发生什么变化？
对话即背景，背景即知识。Agent 进入公开对话、会议、邮件和文档后，知识库获得了可持续使用的工作上下文，搜索只是其中一部分。
- 对话即背景，背景即知识。
Anthropic 最近发布了与 Slack 首席产品官 Jaime DeLanghe 的对话，话题是企业知识管理里一个一直没解决的麻烦：公司每天留下大量聊天、会议和文档，可一旦有人需要某段背景，团队还是得从头讲一遍。
DeLanghe 在 2017 年加入 Slack，最早负责搜索和机器学习。她当时的任务，就是把工作对话变成可以反复利用的机构知识。几年研究下来，Slack 得到的答案并不乐观：对话不会因为被保存，就自动变成知识。消息越积越多，人们依旧重复开会、重复解释、重复寻找某个决定的来龙去脉。
Agent 让这个多年没有兑现的承诺重新变得可能。变化出现在 Agent 进入工作现场之后：它读取公开的日常对话，串起会议、邮件、日历和文档，还原一个决定为什么形成、后来哪些条件发生了变化，再处理下一步任务。
这套工作链有清楚的分工：公开沟通提供原料，Agent 负责恢复上下文，人类负责判断和纠偏。企业知识库由保存结果的仓库，逐渐进入日常工作流。
对话即背景，背景即知识
点按五个做法，查看它们分别解决哪一类知识断层。
关键动作非敏感的日常讨论和决定，尽量留在团队共享空间。
Agent 得到什么能看见决定形成前后的讨论，也能查到最终文件。
团队少掉什么少重复解释；真正敏感的内容仍然有意识地隔离。
关键动作同时问“为什么这样决定”和“后来什么变了”。
Agent 得到什么获得当时的依据、反对意见、取舍和后来出现的新条件。
团队少掉什么少把已经过时的决定当成当前答案。
关键动作串起聊天、会议、邮件、日历和文档。
Agent 得到什么获得同一件事跨工具的时间线和连续背景。
团队少掉什么少在换人、换工具时从头补背景。
关键动作给 Agent 明确目标、职责、工具、权限和交付标准。
Agent 得到什么知道自己负责什么，以及何时必须交回人类。
团队少掉什么少一个什么都能问、却没人对结果负责的聊天框。
关键动作Agent 先起草、总结、监控和准备；人负责审阅、排序、决定和纠偏。
Agent 得到什么根据人类判断执行下一步，并把结果送回共享空间。
团队少掉什么人不再包办基础准备，Agent 也不替人做最终判断。
材料已经够多了，团队缺的是不用重讲的背景
过去，企业知识库主要靠收集文档、方案、PPT 和会议纪要不断变大。AI 出现后，这些正式材料可以更快生成，数量也会越来越多。
但更多可归档的材料，不等于更多可使用的知识。一份无人阅读的完美文档，不会因为排版更好就产生价值；一份准确记录了无效会议的摘要，也没有让那场会议变得必要。AI 可以降低生产工作产物的成本，却不能自动完成知识工作真正困难的部分：发现问题、改变假设、处理分歧，最后让一群人知道接下来为什么要这样做。
如果需要某段背景时，团队仍然要重新开会、重新解释，那么知识库只是装进了更多文件，并没有解决知识断层。Agent 读取工作对话后，衡量标准也跟着变了：以前看“存了多少材料”，现在看“能不能把事情的来龙去脉重新找回来”。
对话比文档多留下了什么？
知识管理过去偏爱正式产物，因为文档稳定、整齐、方便归档；聊天则被看成工作过程留下的尾气，零散、重复、不值得认真保存。
DeLanghe 认为这套厚薄关系恰好反了。一份产品 brief 看起来很“厚”，但它通常只保存某一刻的结论。真正改变方向的部分，可能发生在它之外：工程师反对了不现实的时间表，客户电话推翻了原来的假设，一次争论重新定义了问题，还有人在方案成形前杀掉了几个坏主意。
文档是理解形成后留下的收据。对话则保留了理解如何形成：谁提出异议，依据发生了什么变化，团队放弃了什么，信任在哪里建立或破裂。它有矛盾、有时间、有组织意图，比最终产物更难整理，也更接近知识工作的真实厚度。
正式文档依然重要。合同、规范、稳定事实和最终决定仍然需要清楚记录。现在，知识库的基本单位已经从单份文件扩展成一段有时间顺序的上下文：结论、依据、异议、取舍，以及后来发生的条件变化。Agent 可以把过去被挡在文档之外的形成过程重新带回当前判断。
Agent 要找到结论，也要找回理由和变化
如果 Agent 只是从聊天记录里找出“最终决定”，它做的仍然接近关键词检索，只是答案更流畅。
继续追问“为什么这样决定”，答案才会开始包含当时的依据、反对意见和取舍；再追问“后来哪些条件发生了变化”，团队才能判断旧决定现在是否仍然适用。找到结果是一种检索，恢复结果成立的条件，才更接近知识。