显性知识
Explicit Knowledge（显性知识）是指那些能够被编码、书写、记录，并以正式语言（如文字、数字、公式、代码）进行传播的知识。它是SECI模型中“外化”（Externalization）产物。在医疗领域，临床指南（CPG）、药品说明书、医学文献和电子病历（EMR）中的结构化数据都属于显性知识。对于人工智能而言，显性知识是构建知识图谱（Knowledge Graph）和规则引擎的原材料，是机器能够直接“阅读”和“计算”的逻辑基础。
特征：从“书本”到“三元组”
在 AI 时代，显性知识的定义正在发生演变。
1. 传统显性知识（非结构化）： 如 PDF 版的《内科学》教材。它是给人看的，机器只能检索关键词，很难理解逻辑。
2. 现代显性知识（结构化）： 如 yixue.com 后台的知识图谱。它将知识拆解为实体-关系-实体（SPO Triples）。
例子： (阿司匹林) --[副作用]--> (胃出血)。这种形式才是“智慧医生”真正能调用的“显性知识”。
工程化挑战：知识抽取
The Unstructured Problem (非结构化难题)
医疗行业 80% 的显性知识都锁在非结构化的文本（病历、文献）中。
构建 AI 医生的第一步工程（ETL）就是利用 NLP（自然语言处理）技术，把这些“死”的文字变成“活”的数据。
工具链： OCR（识别文字） -> Segmentation（分词） -> NER（实体识别） -> RE（关系抽取）。
Version Control (版本控制)
显性知识最大的特点是“可更新”。医学指南每年都在变（如 NCCN 的实时更新）。
相比于神经网络（一旦训练完就固化），基于显性知识库（RAG）的 AI 系统更容易维护：当指南更新时，只需要更新数据库里的文档，不需要重新训练整个大模型。
横向测评：显性知识在 AI 中的地位
如果把 AI 比作一个医生，显性知识就是他的“图书馆”。
| 维度 | 显性知识 (Explicit) | 隐性知识 (Tacit) |
|---|---|---|
| 代表技术 | GraphRAG, 向量数据库。 | Fine-tuning (微调), RLHF。 |
| 准确性 | 高。 有据可查，可溯源（Citation）。 | 波动。 依赖模型“感觉”，容易产生幻觉。 |
| 更新成本 | 低。 增删数据库条目即可。 | 高。 需要重新训练模型。 |
| 在智慧医生中 | 负责提供“证据”和“规则”。 | 负责提供“推理”和“对话”。 |
关键参考文献
[1] Nonaka I. (1994). A Dynamic Theory of Organizational Knowledge Creation.
[理论]：详细阐述了显性知识如何与隐性知识互动（SECI螺旋），创造出新的智慧。
[2] Shortliffe EH. (1987). Computer-based medical consultations: MYCIN.
[历史]：MYCIN 是最早试图将显性医学知识（抗生素选择规则）完全编码化的 AI 系统，它的成败为今天的知识工程提供了宝贵经验。