企业知识库项目开始前，先准备一份“资料目录”和一组真实问题，比直接上传几百份文件更有用。目录解决资料来自哪里、谁负责；问题样本检验这些资料能否支持员工的实际查询。两者缺一项，都容易出现系统能回答，却无法核对答案的情况。
第一批资料应当选择什么
优先选择一个部门持续使用、版本比较稳定的资料，例如产品说明、售后操作手册或已批准的服务FAQ。不要把旧报价、内部讨论稿和现行制度混在同一批资料中。对常州企业而言，服务区域、工作时间和具体业务范围同样要由企业负责人确认，不能让开发人员或模型自行补充。
- 每份文件记录名称、业务编号、版本、负责人和适用部门。
- 价格、参数和制度注明生效条件；失效资料单独归档。
- 明确哪些资料可供全体员工使用，哪些只允许特定岗位查看。
PDF、表格和图片需要分别整理
可复制文字的PDF与扫描件处理方式不同。扫描件识别后，应抽查型号、数字、单位和表格顺序；识别成完整句子也不代表内容正确。表格要保留列名与单位，合并单元格中的条件不能丢失。纯图片资料可以补写说明，但图片无法确认的细节保持空缺。
例如，某个参数表写有“额定功率”，却没有型号和单位，进入知识库后可能被错误关联到另一款产品。正确做法是补齐产品编号、单位与来源位置，再让系统检索，而不是要求模型凭经验判断。
用真实问题检查资料是否完整
让使用部门提供三类问题：能在资料中找到答案的、资料中确实没有答案的、当前用户无权查询的。每道有答案的问题，标注所在文件和章节。问题不要只写文件标题，应保留员工日常的简称与表达。
这一阶段先检查“资料能不能回答”，暂不把回答流畅度作为唯一目标。找不到出处的标准答案应交回业务负责人核实，不能让模型同时编问题和答案，再用这些答案证明系统有效。
交给开发方的资料包
一个可实施的资料包至少包含有效文件、目录、术语对应表、权限说明和问题样本。企业负责事实与使用许可，开发方负责解析、检索和权限实现。约定资料变更后由谁通知、如何替换旧版本，才能避免知识库上线后逐渐过期。