AI Agent 接上知识库以后，很多团队会把注意力放在“资料够不够多”。但真正进入生产后，更常见的问题不是资料太少，而是旧资料还在指导新流程。产品价格改了，审批规则改了，接口字段改了，Agent 仍然按照三个月前的文档回答和执行。
知识更新节奏不是文档管理员的小事，它会直接影响 生产监控、回归评估 和 知识库更新闭环。Agent 越能自动执行，过期资料带来的风险越不能靠人工记忆兜底。
先给资料标有效期
知识库里的资料不应该只有标题和正文。至少要补上来源、负责人、最近更新时间和有效期。销售政策、价格规则、接口说明、权限流程、客户承诺这类内容，更要写清到期复核时间。
有效期不是为了让资料自动失效，而是提醒团队该复核了。没有有效期，旧文档会在检索排序里长期存在，模型也很难判断它到底是不是当前口径。
更新触发条件要写清
知识更新不能只靠定期巡检。更实用的是同时设置触发条件：产品发布、价格调整、组织权限变化、客户投诉、工单高频问题、工具接口变更、监管或合同要求变化。
一旦触发条件出现，对应资料就进入待复核列表。这样 Agent 的知识更新能跟真实业务变化同步，而不是等到回答出错以后才补救。
抽样复核比全量重写更现实
很多团队一提知识库治理，就想做一次大清洗。这个动作很重，也很难持续。更现实的办法是按高频问题、核心流程、高风险动作做抽样复核，每周处理一批最容易影响业务的资料。
抽样复核可以和 失败回放样本库 结合。凡是失败样本里反复引用的资料，都应该优先检查是否过期、冲突或缺少来源。
过期资料要有下线动作
很多知识库只会新增，不会下线。旧资料即使标了“已废止”，仍然可能被检索出来。对 Agent 来说，更稳的做法是把废止资料移出主检索范围，只保留在历史归档里。
如果必须保留旧版本，也要在摘要里明确写“历史版本，不可用于当前执行”。否则模型在多版本资料之间选择时，很可能把语义更完整的旧文档当成最佳答案。
总结
AI Agent 知识更新节奏的核心，是让资料有有效期、有负责人、有触发条件、有抽样复核，也有明确下线动作。知识库不是越堆越有价值，能持续保持当前、可信、可复盘，才是生产环境真正需要的能力。
