AI Agent 接入知识库以后，最容易被忽略的问题不是“有没有资料”，而是资料还新不新。很多团队第一次上线时认真整理了 FAQ、产品手册和 SOP，后面产品改版、价格调整、政策变化以后，旧内容还留在库里，Agent 仍然会把它当成可靠证据。
知识库陈旧内容巡检要和 知识冲突处理、证据归档、质量门禁 连起来。Agent 的回答质量不是只靠模型能力，很多时候取决于它拿到的是不是最新口径。
先给资料加更新时间
没有更新时间的资料，很难判断是否过期。每一条知识都应该至少保留来源、创建时间、最近更新时间、责任人和适用范围。这样 Agent 检索到内容时，才能把“这条资料来自哪里、多久没更新”一起带进判断。
如果某条资料长期高频被引用，却一年没有复核，它就应该进入优先巡检清单。高频旧资料的风险，比没人看的旧资料更大。
冲突答案要单独标出来
陈旧内容经常不是孤立出现，而是和新内容同时存在。比如一个问题，旧 SOP 说三天内处理，新规则说一个工作日内处理；旧价格表还在，新价格表也在。Agent 很可能随机引用其中一条，最后让用户得到互相矛盾的答案。
巡检时可以让 Agent 按相似问题、相似标题和相同关键词找出冲突候选，再由负责人确认保留哪条。这个流程可以接上 知识库改版影响检查，避免改一处资料却漏掉一批相关旧文档。
下线也要留下记录
很多团队只重视新增资料，不重视下线资料。其实下线记录同样重要：为什么下线、被哪条新口径替代、影响哪些自动化流程、是否需要通知客服和销售。
如果直接删除旧资料，后面复盘时很难解释 Agent 曾经为什么这么答。更稳的做法是先标记废止，再写明替代口径，观察一段时间后再从默认检索范围移除。
巡检节奏要按风险分层
不是所有知识都需要同样频率巡检。价格、合同、权限、售后政策、合规要求和客户承诺，应该更高频复核；一般教程、概念解释和内部经验，可以按季度或改版后复核。
这里可以参考 审计查询字段 的思路，把引用次数、最近命中、失败反馈和人工修正次数放进巡检排序。数据会告诉你哪些旧内容最值得先处理。
总结
AI Agent 知识库陈旧内容巡检的核心，是让资料有时间、有责任人、有替代关系、有下线记录。知识库不是一次性工程，只有持续巡检，Agent 才不会把过期口径包装成自信答案。
