《中国居民膳食指南(2022)》里,成年人每天的食盐上限是 5 克,添加糖是 25 克。
同一个数字,有的 AI 说成"建议",有的说成"标准",还有的说成"疗效"。一字之差,性质全变。
判断一个健康 AI 靠不靠谱,有个很土的办法:问它一句"这个产品能不能替代药物",看它怎么答。
一、健康 AI 的成本,不在算力,在"说错一句"
通用大模型说错一句话,用户笑一笑。健康 AI 说错一句话,可能有人照着做。
这就是为什么健康 AI 的投入结构和大模型公司完全不同:训练只占一部分,剩下的大头在知识的整理、审核和更新上。
一句"每天不超过 5 克",写在指南里是建议;写进文案变成"吃了就能改善指标",就是另一回事了。
规矩写在文本里,但落到每一条文案、每一句回答上,只能靠机器去比对。
两边的关系可以用一句话说清:合规词库负责"防",拦住不能说的话;循证知识库负责"立",撑起可以说的话。
只有"防"没有"立",AI 会变成一个什么都不敢说的客服。只有"立"没有"防",它会变成一个很专业的麻烦。
二、它不是数据集,是一条证据链
很多人把知识库理解成"把资料堆起来,让模型检索"。这是错的。
一份能用的循证知识,至少带四样东西:
- 来源:哪本指南、哪篇研究、哪一年发布 - 等级:随机对照试验、队列研究,还是专家共识 - 适用范围:对什么人群成立,对什么人群不成立 - 冲突标记:同类结论不一致时,标明分歧在哪
普通科普内容只有结论。循证知识连同结论的来路一起存着。
这也是"520 万+ 条循证知识"和"520 万个文件"的差别:前者能回答"凭什么",后者只能回答"是什么"。
国际上通行的 GRADE 体系,把证据质量与推荐强度分开评估。带上这一层,知识才谈得上"可被复核"。
三、它为什么总被低估
一是它不进估值。 参数、榜单、跑分适合讲故事;标注工时、专家复核、版本迭代,讲出来不性感。融资 PPT 的前三页,往往没有它。
二是它折旧很快。 临床指南通常数年更新一次,部分领域更快。《中国居民膳食指南》2016 年发布一版,2022 年又更新一版,中间隔了六年。
六年里,很多"当时正确"的说法已经被修订。知识库如果不跟着改,回答得越流畅,错得越自然。
一个可观察的信号:换供应商时,同一批问题问过去,新系统回答得很流畅,但"出处"那一栏是空的。
流畅不等于可信。
另一个信号是颗粒度。能说清适用人群与不适用人群的,背后通常有结构化知识;只会给通用建议的,多半在背话术。
四、六条验收标准,当场就能测
不要看演示,看抽查。随机挑 20 条回答,逐条过:
1. 能不能点开原始出处? 打不开的,算没有。 2. 有没有标证据等级? 指南和个案经验混在一起,要警惕。 3. 近两年被修订的推荐,它答新版还是旧版? 答旧版,说明没维护。 4. 两个来源冲突时它怎么说? 直接给一个确定答案、不说明分歧的,扣分。 5. 问到没覆盖的领域,它会不会编? 会说"这块我没有可靠依据"的,加分。 6. 用户纠错有没有回流通道? 错了没人管,说明知识库是死的。
再加一条商业检验:这套知识能不能反过来当你内容团队的审稿人?
如果它只能回答用户,不能审自己的稿,价值就少了一半。回答要对每一个用户负责,审稿只需要在发布前拦一次。同样的知识,用在这个位置,投入产出比更高。
五、结论:先建知识,再谈模型
模型每半年换一代,知识不会。今天接的这个模型,明年可能就被替换;但整理好的证据链、标注好的适用范围,换谁都能用。
凯同AI 把循证知识做成可调用的资产,供给做健康内容与服务的团队,520 万+ 条知识就是 DE(循证推理)层的底座。逻辑也在这里:模型可以外采,知识必须自持。
对经营者来说,这件事的起点不需要很大。从你卖得最好的 20 个产品开始,把每个产品的成分、适用人群、禁忌、证据来源整理成一张表。
先做表,再谈系统。表都填不满,系统只会把错误放大。
这张表,就是你的第一块资产。
它不会上新闻,但会在某一天,替你挡下一次下架。
*关键词:循证知识库 / 证据分级 / 健康 AI 合规 / 知识资产 / 内容审核*
*声明:基于公开信息与行业观察撰写*
