几个月前，开源社区一个叫"同事.skill"的项目引起了广泛讨论：把离职员工的AI使用记录投喂给模型，训练出一个数字分身。抛开伦理争议不谈，技术圈更关心一个更现实的问题——

你的团队已经有人在用AI了。他们积累了大量经过验证的Prompt组合、调试好的工作流链路、内化的上下文配置。这些东西在哪？不知道。

## 新资产，旧容器装不下

传统企业知识管理以文件为单位。但AI时代的产出变了。老员工用AI高效产出的核心不是他写了什么，是"怎么问的"。拆解同一个需求，上下文怎么组织、角色怎么设、步骤怎么分——这个"怎么问"是实打实的竞争力。

拆开看，这些"素材"分三类：

**Session对话模式**：高频上下文组合和分步引导策略。不是聊天记录本身，是可复用的对话模板。

**Skill执行链路**：一组条件分支串起来、跑了半年磨出来的稳定调用链。

**Memory片段**：组织内部隐知识——代码规范、遗留系统注意点、项目命名约定。老员工每次调AI都知道先喂进去，新人根本不知道这些信息存在。

这三类东西的共同特征：不在组织知识库里，在个人账号里。有研究者称之为企业知识的"盲区资产"。

## 五段链路：从个人持有到组织可复用

### 一、收口：接入层统一

问题根因是API调用散落在各方个人账号里。解法是在组织侧部署一层代理（Local Proxy/Sidecar模式），请求发出去之前统一拦截，挂组织身份和部门归属。不侵入业务代码。

```python
# Sidecar 代理模式概念
# 业务代码不变，所有模型API请求自动附加 org_id 和 dept_id
# POST /v1/chat/completions → 经代理后附加头: X-Org-ID, X-Dept-ID
```

调用链路从"个人→模型平台"变成"个人→组织代理→模型平台"。这一步解决"数据归谁"的问题。

### 二、采集：Runtime旁路

代理放行请求的同时，旁路采集上下文：Session结构、Skill路径、Memory片段。主路径只做轻量标记，采集和回传走独立协程，对延迟影响控制在可忽略范围。

能力上解决的是：谁的Prompt质量最高、额度烧在什么场景、谁的调用链值得复用。此前这些问题只能猜。

### 三、提纯：Refinery规则引擎

原始数据进Refinery。不全存——规则引擎+轻量分类模型做筛选：自动脱敏PII和密钥、去除噪声、保留高价值调用模式。留存策略按岗位可配。

```python
# Refinery 筛选逻辑示意
if is_high_value(session) and not contains_sensitive(session):
    asset = structured_asset(
        pattern=extract_pattern(session),
        chain=extract_chain(session), 
        memory=extract_memory(session)
    )
    save_to_queue(asset)
```

### 四、入库：Catalog多维检索

提纯后的资产进Catalog，按能力类型、来源部门、适用场景多维标签索引，团队内可检索。但检索不等于随便用——RBAC权限叠加资源级ACL，跨部门使用需审批。

这解释了最敏感的隐私问题：沉淀的是"怎么做的"，不是"谁说的"。脱敏在提纯阶段完成，审批在分发阶段执行。

### 五、复用：蒸馏策略固化

高频Session和Skill蒸馏为预设策略。新人调用路径里直接有验证过的路——不是"去找小李要"，是"策略库里有"。

老员工Session里的"代码规范""遗留系统注意事项"等上下文片段，提纯后进Memory池，同类场景下自动命中。跟传统"写文档→丢知识库→没人看"的区别在于——它在调用发生的地方起作用。

## 写在最后

这五步的核心逻辑很简单：入口没收回来，蒸馏无从开始。提纯没做好，对着原始日志蒸馏不准。权限没到位，共享等于乱扔。

如果你的团队已经在用AI，这件事越早做代价越低。每多一个月的无序调用，就多一批"离职即消失"的资产。这条技术路径本身还在快速演进，但方向是确定的：把AI调用从纯消耗，变成可积累的组织能力。

几个月前，开源社区一个叫"同事.skill"的项目引起了广泛讨论：把离职员工的AI使用记录投喂给模型，训练出一个数字分身。抛开伦理争议不谈，技术圈更关心一个更现实的问题——

当你的团队AI产出散在几十个个人账号里：一条从收口到复用的技术路径

企业AI调用正在产生一类新资产——Prompt模式、Skill链路、Memory片段。但它们不在任何知识库里，而在个人账号中。本文拆解如何从工程层面把这笔"盲区资产"收回组织，形成可检索、可审批、可复用的能力目录。

人工智能

职业发展

架构设计

企业AI知识管理新思路：通过代理层统一采集员工AI使用数据，经规则引擎提纯后形成可复用的Prompt模板、调用链路和上下文片段。解决传统知识管理无法捕获"怎么问"的核心竞争力问题，将个人经验转化为组织资产，避免员工离职导致AI使用经验流失。

容器

2026年中大促 | AI 领航 智绘未来

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

当你的团队AI产出散在几十个个人账号里：一条从收口到复用的技术路径-腾讯云开发者社区-腾讯云

当你的团队AI产出散在几十个个人账号里：一条从收口到复用的技术路径

当你的团队AI产出散在几十个个人账号里：一条从收口到复用的技术路径

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐