最近看到一篇谈 Agent 与知识库的文章，里面有两个细节让我很有共鸣。

一个细节是，作者在优化 Skill 时，想拿一个历史失败案例说明问题，却发现当时的会话记录没有保存，只能重新补充大量上下文，让 AI 猜测自己究竟想修改什么。另一个细节是，当作者把客户背景、历史沟通和关联信息完整交给 AI 后，AI 才能从几个月的材料中梳理出一条连续轴线，并据此给出更接近实际业务的建议。

这两个场景分别指向 Agent 应用中的两类缺口：前者缺少持续积累的作业反馈，后者缺少完整连续的项目记忆。它们共同说明，当模型能力、工具调用和 Agent 流程逐渐成熟以后，影响作业质量的关键变量正在发生变化。

早期使用 AI 时，我们最关心模型够不够聪明、提示词怎么写、流程如何拆分。等到 Skill、Agent 和运行环境真正进入业务，新的瓶颈会很快出现：Agent 能否获得正确的知识，能否理解这些知识之间的关系，能否在合适的阶段调用合适的内容，以及能否从人工纠正中持续改进。

也正因为如此，法律法规和 Skill 只是起点。法律法规提供外部规范，Skill 提供执行骨架，但二者都不会自动补足具体事项的连续记忆、专家判断的适用边界，以及从失败中学习的机制。

因此，我基本认同“用好 Agent 的下一站，是高质量知识库”这个判断。但从法律 AI 的实践看，知识库这个概念仍然有些宽泛。更准确地说，Agent 的下一站，是将公开规范、业务事实、专家判断、历史决策和失败案例，编译成可检索、可执行、可验证、可追溯的知识系统。

在一个简单任务中，模型依靠通用知识和临时上下文，往往就能给出看起来合理的结果。进入持续性的专业作业后，情况会迅速变得复杂。

以合同审核为例，同一个模型面对同一份合同，如果只知道“站在采购方立场审核”，它通常只能生成一套通用风险提示。如果进一步提供客户的标准模板、审核指引、历史谈判记录、业务模式、已确认底线和过去的人工修改，输出质量会明显提升。

但材料继续增加后，新的问题也会出现。

某次谈判中接受的条款，是否代表以后都可以接受？旧版本审核指引与最新版本发生冲突时，Agent 应当以哪个版本为准？客户曾经在一个项目中接受“各自独立处理”，是否意味着数据处理角色的通用立场已经改变？一份合同中的软件即服务、私有化部署和实时调用概念，应当进入合同正文，还是仅作为内部事实供审核使用？

这些问题无法通过“多上传一些文件”解决。因为 Agent 面对的已经不再是单纯的信息不足，而是知识类型、适用范围和优先级没有被清楚定义。

法律工作中的很多错误，并不源于模型完全不知道某项知识。它可能找到了相关材料，却无法判断这是一项现行法律要求，还是一份行业建议；这是客户长期适用的审核底线，还是一次特定谈判中的商业让步；这是已经确认的项目事实，还是尚待业务澄清的假设；这是可以直接用于生成条款的规则，还是只能供法务参考的背景信息。

因此，专业 Agent 的核心问题，逐渐从“有没有知识”转向“知识以什么身份进入任务”。

法律 AI 经常被概括为“法规库、案例库加大模型”。这个理解过于简单。法规和案例当然重要，但它们只是法律 Agent 作业所需知识的一部分。

第一层是公共规范知识，包括法律法规、司法解释、监管指南、裁判规则、官方问答和行业标准。这一层回答的是：外部规范提出了什么要求。

公共知识仍然是法律判断的基础。私有信息更接近企业现场，但离现场更近，并不自动意味着结论更可靠。法律依据是否有效、适用哪个法域、规范层级如何、何时生效、是否存在例外，都需要依赖经过校验的公开权威来源。

第二层是客户与事项记忆。它包括客户背景、业务模式、参与主体、历史沟通、已经确认的事实、待确认问题、已接受风险、关键决策和当前开放事项。

这一层回答的是：在这个具体客户和具体项目中，已经发生了什么。

事项记忆不能被简单当作通用规则。某个客户在一次谈判中接受较高风险，可能源于项目时间、商业地位或特定交易条件。它能够约束当前事项，却不应未经审核地进入其他客户项目，更不能直接上升为通用法律立场。

第三层是专家规则，包括判断方法、审核口径、适用条件、风险等级、可偏离尺度、底线、替代方案和人工介入条件。

这一层回答的是：以后遇到相似问题，应当依据哪些事实作出什么判断。

例如，“需要关注个人信息处理角色”仍然只是一个主题提示。真正可以被 Agent 执行的知识，应当进一步说明：由谁决定处理目的和方式，谁确定数据字段和保存期限，什么条件下优先采用受托处理，什么条件下可以接受各自独立处理，共同处理需要哪些事实基础，角色不清时必须追问哪些问题，不同角色对应哪些合同义务。

第四层是评测知识，包括历史失败案例、人工修改、错误根因、边界样本和回归测试。

这一层回答的是：Agent 曾经在哪里失败，以及以后如何证明同类问题已经被解决。

这四个层次如果混在一起，知识越多，Agent 反而越容易产生漂移。一个成熟的法律知识系统，必须能够区分外部规范、项目事实、专家判断和评测资产，并为它们分别设置来源、版本、权限和调用条件。

前述文章提到，很多有价值的失败案例因为会话记录没有保存而丢失。这个痛点非常真实。对于 Agent 优化而言，在符合授权、保密、最小必要和留存规则的前提下，完整保存输入、输出、工具调用和人工修改，是建立反馈机制的前提。

但即使将历史会话按要求保存下来，距离形成知识仍然有很长一段路。

一次完整对话中，可能同时存在未经确认的客户描述、模型的错误理解、已经被推翻的方案、临时性提示、旧版本规则和最终人工结论。如果将这些内容整体投入检索系统，Agent 可能同时召回正确答案和错误过程，也可能把一次临时讨论误解为正式规则。

因此，会话更接近原始作业日志。它需要经过一套转换流程，才能成为稳定的 Agent 资产：

每一次重要人工纠正，至少应当形成三种可能的变化。

第一种是知识变更，即知识或规则需要发生什么变化。Agent 是否缺少某项背景，原有规则是否过于宽泛，某个例外是否没有写清楚。

第二种是执行方式变更，即作业步骤需要如何调整。Agent 是否遗漏了一个步骤，是否应当先追问事实，是否错误调用了相似场景的作业规则。

第三种是评测变更，即需要增加什么测试。下一版本如何证明这类错误不会再次出现，哪些关键风险必须识别，哪些结论必须给出证据锚点。

如果一次人工纠正只修改了当前结果，却没有进入上述任何一种变化，Agent 很可能在下一个项目中再次犯同样的错误。

很多企业已经积累了大量模板、指南、课程、案例和经验总结，也习惯把这些材料统称为“专业知识库”。但对于 Agent 而言，文档数量并不能直接转化为执行能力。

资深专业人员真正有价值的部分，往往隐藏在材料之外。

他知道哪些事实决定问题性质，知道多个风险中哪一个需要优先处理，知道什么条款虽然在法律上成立，却不适合出现在面向用户的协议中，也知道什么情况下应当停止自动判断并转交人工。

这些判断过去通常依赖人的经验，很少被完整写出来。即使写在审核指引中，也常常以“重点关注”“原则上建议”“结合实际判断”一类语言存在。人可以结合场景理解，Agent 很难从中获得稳定边界。

因此，垂直领域的专业经验进入 AI 的过程，需要将隐性判断转化为一组可执行元素：触发这项判断需要哪些事实，事实不足时追问什么问题；默认立场是什么，允许偏离到什么程度；哪些情况触及底线，哪些例外可以接受；结论需要引用什么依据；什么结果可以自动生成，什么结果必须经过人工确认。

这可以被称为知识编译。

原始文档、专家批注和历史案例是知识编译的输入。规则卡、决策树、事实清单、Skill 调用条件和评测用例，才是知识编译后的产物。

从这个角度看，专家知识的 AI 化，并不等于把专家写过的内容上传给模型。真正困难的工作，是把专家在什么时候、依据什么事实、作出什么判断的逻辑表达清楚，并使其能够在新的任务中被准确调用。

企业开始大规模使用 Agent 后，很容易产生一种乐观判断：任务做得越多，历史数据越丰富，Agent 自然会越来越好。

现实未必如此。

如果组织没有同步保存输入、人工纠正、决策理由和版本变化，大量 Agent 作业可能形成新的知识债务。同一个问题在不同项目中被反复解释，专家每次都要重新补充上下文；某个错误已经人工修正，却因为没有进入回归测试，在模型或 Skill 升级后再次出现；项目结束时只留下最终文件，最有价值的判断过程随人员流动而消失。

传统技术债务会使系统越来越难维护，知识债务则会使组织越来越依赖少数人的记忆。Agent 使用规模越大，这种问题越明显。

因此，企业不能只统计 Agent 完成了多少任务，还需要观察每一次任务是否产生了可复用的知识增量。一次法律审核完成后，除了最终交付物，还应当判断是否出现新的交易模式，是否发现原有作业规则的缺口，是否新增一项可接受偏离，是否产生新的事实问题，是否需要增加一条回归用例。

这也会改变专业工作的“完成”标准。

过去，一项法律任务以合同定稿、意见出具或者报告交付作为结束。Agent 进入作业以后，如果一次重要的人工判断没有转化为知识、Skill 或评测上的变化，这项工作对当前项目可能已经完成，对系统而言却仍然没有完成。

只有当真实任务中的判断和纠错能够被持续沉淀，更多的 Agent 作业才可能形成学习飞轮。否则，任务数量的增加未必带来能力积累，也可能只是让知识债务以更快速度增长。

随着模型能力提高、Agent 运行框架逐渐开放、工具调用逐渐标准化，构建一个能够运行的 Agent 会越来越容易。模型可以买到，运行环境可以采用开源方案，通用 Skill 也会越来越丰富。

当这些能力逐渐成为公共基础设施，真正难以复制的部分，会转移到组织内部。

一个团队能否记录连续的项目历史，能否从人工修改中提取规则，能否区分客户事实与通用标准，能否让每个失败案例形成新的测试，能否在专家离开后仍然保留其判断方法，这些能力最终决定 Agent 能否稳定完成专业工作。

从法律 AI 的角度看，长期壁垒不会来自拥有多少法规、多少模板或多少提示词。更重要的是，能否把四类资产持续连接起来：公开权威证据、真实业务上下文、资深法律人的判断规则，以及 Agent 实测和人工纠错。

资料进入知识库，只意味着它被保存下来；知识经过筛选、组织和编译，并被纳入真实工作流和回归评测，才真正转化为 Agent 能力。

因此，用好 Agent 的下一站确实是高质量知识库。但再往前一步看，我们真正需要建设的，是一套能够记录真实作业、提取专家判断、约束 Agent 行为，并利用每一次人工复核持续修正的知识系统。

所以，法律法规为 Agent 提供判断依据，Skill 为 Agent 提供执行方法；事项记忆、专家规则的边界和评测反馈，则进一步决定它能否在具体任务中持续、可靠地做对。

模型决定了 Agent 能力的大致边界，知识系统决定这些能力能否稳定落地，反馈机制则决定它能否不断进化。未来专业 Agent 之间的差距，最终会越来越接近不同组织学习、沉淀和复用专业判断能力的差距。