知识管理

Knowledge Management（知识管理，简称 KM）是指在组织中系统地创造、获取、整合、分享和应用知识的过程。在 AI 时代，KM 的定义发生了质的飞跃：它不再仅仅是建立文档库（Wiki），而是关于如何将人类专家的隐性知识（Tacit Knowledge，如临床直觉）转化为机器可理解的显性知识（Explicit Knowledge，如知识图谱），并最终通过算法实现知识的自动化推理。对于医疗 AI 而言，高质量的知识管理是解决“垃圾进，垃圾出”（Garbage In, Garbage Out）的唯一途径。

Knowledge Mgmt

(点击展开)

                   知识转化螺旋

从数据到智慧的炼金术

核心模型	SECI模型, DIKW模型
知识类型	显性 (Explicit), 隐性 (Tacit)
AI 角色	知识抽取, 语义检索 (RAG)
关键技术	知识图谱, 向量数据库
核心标签	知识库, 最佳实践

基石理论：DIKW 金字塔

构建“智慧医生”的过程，本质上就是爬升这座金字塔的过程：

   文件:DIKW Pyramid Diagram

• 1. Data (数据)： 无上下文的数字。例如：“BP 160/100, Cr 150”。
• 2. Information (信息)： 赋予意义。例如：“患者患有高血压且肾功能受损。”
• 3. Knowledge (知识)： 规则与模式（Know-how）。例如：“高血压伴肾病患者应首选 ARB 类药物，禁用 NSAIDs。”（这是知识图谱存储的内容）。
• 4. Wisdom (智慧)： 判断与决策（Know-why）。例如：“考虑到该患者独居且记忆力差，虽然 ARB 是首选，但长效复方制剂能提高依从性，从而预防中风。”（这是 AI 医生最终的输出）。

核心挑战：SECI 模型

日本学者野中郁次郎提出的 SECI 模型 解释了知识如何在“隐性”和“显性”之间转化。您的 AI 项目面临的最大瓶颈通常在 Externalization (外化) 阶段。
• 隐性知识 (Tacit)： 老专家的经验，只可意会不可言传。
• 显性知识 (Explicit)： 记录在 yixue.com 或代码中的逻辑。
AI 的任务： 利用 NLP 和知识抽取技术，强行将医生的隐性经验“外化”为显性的知识图谱三元组。

KM 3.0：AI 驱动的知识管理

传统的 KM 是静态的（存文档），现在的 KM 是动态的（问答）。

阶段	KM 1.0 (IT时代)	KM 3.0 (AI时代 / 智慧医生)
载体	Word, PDF, 数据库。	向量数据库, 知识图谱。
检索方式	关键词匹配 (Ctrl+F)。	语义检索 (GraphRAG)。理解意图，而非字面匹配。
交互	人找信息 (Search)。	信息找人 (Recommendation) 或 对话式生成 (Copilot)。

       关键参考文献
       

[1] Nonaka I, Takeuchi H. (1995). The Knowledge-Creating Company.
[圣经]：提出了著名的 SECI 模型，解释了日本企业（以及现在的 AI 系统）如何通过显性与隐性知识的互动来创造新知识。

[2] Davenport TH, Prusak L. (1998). Working Knowledge.
[实战]：定义了知识管理在商业环境中的落地方法，强调“知识如果不被分享，就没有价值”。

           知识管理 · 知识图谱