知识库自进化机制
为什么需要自进化的知识库
产品团队的经验往往散落在个人脑中、聊天记录里、会议纪要中，难以沉淀和复用。AI Native 的知识管理方式是：让 AI 参与知识的提取、整理和复用，形成自进化的知识循环。
知识库架构
一个完整的产品知识库应包含以下模块：
product-context/（知识库根目录）
├── 设计原则库 ← 从实践中提炼的设计原则
├── 交互模式库 ← 可复用的交互模式
├── 组件模板库 ← 标准化的页面/组件模板
├── 业务术语表 ← 统一的业务语言
├── 文案规范 ← UI 文案的统一标准
├── 设计决策记录（ADR） ← 重要决策的完整记录
└── 复盘记录 ← 项目复盘和经验总结半自动更新机制
知识库的更新采用"AI 建议 → 人工确认 → 写入"的半自动流程：
日常工作中产生经验
↓
AI 识别可沉淀的知识点
↓
AI 按模板格式生成建议
↓
PM 审核确认（修改/通过/拒绝）
↓
写入知识库对应模块为什么是"半自动"而非全自动？
- 准确性：AI 提取的知识可能有偏差，需要人工把关
- 相关性：不是所有经验都值得沉淀，需要人工判断
- 一致性：需要确保新知识与现有知识体系一致
- 所有权：团队对知识库有主导权，AI 是辅助工具
知识条目模板
设计原则条目
markdown
## DP-001: [原则名称]
**描述**：[一句话描述这个原则]
**来源案例**：[从哪个实际项目/需求中提炼]
**适用范围**：[什么场景下适用]
**反面示例**：[违反这个原则会怎样]交互模式条目
markdown
## IP-001: [模式名称]
**触发条件**：[什么场景下使用这个模式]
**流程描述**：[交互流程的步骤]
**状态描述**：[各状态的定义]
**异常处理**：[边界情况如何处理]
**适用场景**：[推荐使用的场景]
**参考案例**：[已应用的实际案例]设计决策记录（ADR）
markdown
## ADR-001: [决策标题]
**背景**：[为什么需要做这个决策]
**决策**：[最终决定是什么]
**备选方案**：
| 方案 | 优点 | 缺点 |
|------|------|------|
| 方案 A | ... | ... |
| 方案 B | ... | ... |
**影响**：
- 正面：[带来的好处]
- 负面：[可能的风险]
**关联需求**：[相关的需求编号]知识治理规则
入库标准
- 必须有实际案例：每条知识必须关联至少一个真实项目案例，不接受纯理论条目
- 不重复：新增前检查是否已有类似条目
- 格式统一：严格按照模板格式填写
优先级规则
产品专属规则 > 知识库规则 > 通用设计原则当规则冲突时，更具体的规则优先。
更新策略
- 新增：发现新的可复用模式时
- 修订：原有条目不再准确时
- 归档：条目不再适用但有历史价值时
- 删除：条目完全过时且无参考价值时
知识库与 AI 的协同
当知识库作为 AI 上下文加载后：
- AI 生成时参考：AI 在生成原型和文档时自动遵循知识库中的规范
- AI 协助检索：用自然语言搜索知识库中的相关条目
- AI 辅助更新：AI 在工作过程中发现可沉淀的知识，主动建议
- AI 一致性检查：AI 检查新产出是否符合知识库规范
关键洞察
知识库不是"写完就放着"的静态文档，而是团队智慧的活体系统。通过 AI 的参与，降低了知识沉淀的门槛，提高了知识复用的效率。