团队里很多有价值的经验，最初都出现在临时处理里。某个客户问题怎么解释，某次上线为什么延期，一条异常工单最后怎么定位，负责人当时都知道，但过两周再问，就只剩零散印象。
AI Agent 适合做知识沉淀的第一版。它从会议纪要、项目复盘、聊天记录和任务记录里，把可复用的场景、步骤、判断依据和风险提醒整理出来，再交给负责人复核。这可以和 跨部门交接清单、周会材料复核、知识库陈旧内容巡检 连成一个维护流程。
先找可复用场景
不是每一条聊天都值得沉淀。适合进入知识库的，通常是反复出现的问题、处理过的异常、明确的判断标准、跨部门协作经验和客户可见口径。
Agent 可以先从原始材料里标出候选场景，再判断它属于客服、销售、产品、运营、交付还是运维。分类清楚以后，后面检索和维护才不会混乱。
经验要写成步骤
“这件事小王知道”不是知识沉淀。真正可复用的内容要能回答：遇到什么情况，先看什么资料，按什么顺序处理，哪些节点要确认，失败时怎么升级。
让 Agent 把经验改写成步骤，比直接生成一段复盘摘要更有价值。步骤可以被新人使用，也可以被后续 Agent 流程读取。
保留判断依据
知识沉淀最怕只留下结论。比如“这个客户要提前转人工”，背后可能是客户等级、历史投诉、合同条款和 SLA 风险共同决定的。没有依据，后来的人只能机械照做。
可以把证据片段、来源链接和负责人备注一起保存。这个思路和 需求变更影响评审 很接近：结论要能追溯到旧承诺和原始材料。
复核重点看过期风险
沉淀进知识库以后，经验也会过期。产品改版、价格调整、权限变化、组织调整，都会让旧流程失效。所以每条知识最好保留责任人、适用范围和复核周期。
如果同一场景已经被 Agent 高频引用，就更要定期抽检。可以接上 OpenClaw 人工复核抽检，看旧经验是否还适合当前流程。
总结
用 AI Agent 做团队知识沉淀，不是把聊天记录改成一堆文档，而是把临时经验变成场景、步骤、依据和风险提醒。经验能被复用，团队才不会每次都从头问一遍。
