AI Agent 企业应用前的语料准备：哪些文档能喂、哪些要先脱敏

企业想用 AI Agent 处理内部知识，第一个拦路虎不是模型，是语料。把一堆文件直接喂进去，要么答非所问，要么把不该泄露的信息带出去。很多试点项目上线两周就弃用，根子就在语料没整理。

先盘一遍文档归属

能喂给 Agent 的，优先是公开资料、内部制度、产品手册这类低风险内容。合同、客户名单、薪酬表、身份证号这些属于敏感数据，按个人信息保护法要做分类管理，直接进通用大模型有合规风险。企业内部有保密要求的文档，应先确认授权范围再决定能不能用，权限不清就先别进库。

脱敏比想象中重要

即使文档允许内部使用，喂给第三方模型前也要去掉姓名、手机号、身份证号、银行账号等字段。个保法要求处理个人信息遵循最小必要原则，能不提供的字段就不提供。涉及生物识别、行踪轨迹等敏感个人信息的，还要单独同意，这类数据建议一律不进外部模型，宁可让 Agent 答不了相关题，也别赌泄露。

语料要有人维护

Agent 的答案质量取决于语料新鲜度。制度改了、产品下线了，旧文档还在知识库里就会误导回答，甚至给出已废止的流程。安排一名业务人员定期更新和撤下过期文件，比上线时一次性导入更重要。知识库准确率这类指标，可以粗算：抽样 100 个问题看答对几个，作为上线前的验收基线，低于预期就先补语料再开放。

语料准备做扎实，Agent 才不会一本正经胡说。天蓬数字科技在帮客户落地 AI 应用时，会先做数据分级和人员授权梳理，再把可公开内容接进系统，既释放效率又守住合规底线。

先小范围试点再铺开

语料准备好也别急着接核心业务。选一个低风险、高频的场景先跑，比如内部 FAQ 或制度查询，跑通再扩。试点期保留人工复核，把答错的案例记下来回流进语料，准确率才能滚雪球。直接把 Agent 接到合同审批、资金支付这类环节，一旦出错代价太高，不值得冒进。

另一个现实问题：员工会不会用。再好的 Agent，没人愿意问也白搭。上线前做一页操作说明，挑几个真会用到的人带头用，比群发培训邮件有用。遇到答错的，鼓励员工反馈而不是默默不用，反馈多了语料才准。工具采纳率本身也是验收指标之一，别只看技术指标。