AI实战21｜别只靠模型记忆：让Agent先查知识库，再回答专业问题
很多专业问题，真正有价值的答案并不是：
“AI大概知道什么。”
而是：
“我的知识库里以前有没有类似案例？”
比如律师处理一个IPO审核问题：
客户存在劳务派遣比例超过10%的情况。
这时候如果直接问AI：
“劳务派遣超比例在IPO审核中怎么处理？”
AI当然可以给你一个一般性的回答。
但真正更有价值的问题应该是：
以前有没有公司遇到过同样的问题？监管机构怎么问？发行人怎么解释？中介机构怎么发表意见？最后是怎么解决的？
这时候，就应该让Agent先去查自己的专业知识库。
一、先告诉Agent：不要凭模型记忆回答
这是最重要的一步。
如果已经有：
案例库；
历史项目库；
法规库；
合同模板库；
内部研究资料，
就应该明确告诉Agent：
本次回答必须优先基于指定知识库。
不要一上来直接生成答案。
例如：
“请先检索IPO问询案例库，再回答。”
或者：
“请使用公司内部知识库和指定MCP查询相关案例。”
这样任务就从：
让AI想答案
变成：
让AI先找证据，再做分析。
二、专业研究最好先找“类似案例”
比如研究：
“劳务派遣超比例”。
不要只搜索完全相同的一句话。
因为不同案例里可能写成：
劳务派遣用工超过法定比例；
派遣员工比例超过10%；
用工不规范；
劳务派遣整改；
辅助性岗位使用派遣员工。
所以可以让Agent围绕同一个问题主动扩展几个关键词。
目标不是找到：
某个词。
而是找到：
同一种法律问题。
三、找到案例以后，不要只看搜索结果摘要
知识库搜索命中10个案例以后，不能直接根据搜索结果里的几句话做结论。
最好进一步要求Agent：
打开对应的完整案例材料。
然后逐案确认：
公司名称；
上市板块；
问询时间；
监管机构具体问了什么；
发行人怎么回答；
律师怎么论证；
有没有整改；
最后形成了什么结论。
只有这样，案例才真正能拿来参考。
四、案例研究最好统一成固定字段
如果找到20个相关案例，不要让Agent写20段散文。
最好统一整理成表格。
例如：
| 公司 | 板块 | 问询要点 | 实际情况 | 整改措施 | 回复口径 | 中介意见 |
|---|
这样很快就能看出：
哪些公司已经整改完成；
哪些是在申报期间逐步降低比例；
哪些强调相关岗位属于辅助性岗位；
哪些存在行政处罚；
哪些主要论证“不构成重大违法行为”。
这时候知识库真正开始产生：
横向比较价值。
五、不要只找“最像的一个案例”
专业问题经常不存在完全一样的案例。
比如同样是劳务派遣超比例：
A公司超比例时间很短；
B公司长期超比例；
C公司申报前已经整改；
D公司申报以后仍然存在；
E公司还受到过劳动行政部门处罚。
这些事实差异会直接影响论证方式。
所以研究时最好找：
一组案例。
然后比较：
什么事实差异；
导致了什么不同的回复口径。
六、重点不是“别人怎么写”，而是“别人为什么这么写”
例如两个项目都存在劳务派遣超比例。
第一个案例强调：
已经完成整改。
第二个案例强调：
超比例人员数量较少，对生产经营影响有限。
第三个案例可能重点论证：
不存在重大行政处罚，不构成重大违法违规。
表面看都是同一个问题，
但论证路径不一样。
Agent最有价值的工作，是进一步总结：
每种回复口径适用于什么事实条件。
七、一定要保留案例出处
如果Agent最后告诉你：
“有多个案例认为劳务派遣超比例不构成重大违法行为。”
但没有告诉你：
哪个公司；
哪一轮问询；
原文在哪里，
这个结论价值有限。
专业知识库研究一定要能够追溯。
至少应该保留：
公司名称；
文件名称；
问询轮次；
对应出处；
原始文件路径或链接。
八、知识库没有找到，不等于没有案例
如果检索没有命中，不能直接写：
“目前没有相关案例。”
更准确的是：
“在本次指定知识库检索范围内暂未发现相关案例。”
原因可能是：
关键词没覆盖；
知识库资料不完整；
案例还没入库；
索引没有正确识别。
所以可以继续：
换关键词；
扩大检索范围；
再去公开网络补充搜索。
九、内部项目库也可以这样用
这种方法并不只是用于IPO案例。
比如律师事务所内部有过去几年的项目文件。
现在需要处理：
对赌条款；
员工持股平台；
知识产权许可；
控制权安排；
竞业限制。
可以先让Agent问：
以前有没有做过类似项目？
找到以后再提取：
当时用了什么条款；
客户是什么立场；
风险怎么处理；
最终版本怎么改。
这样就不用每次从空白开始。
十、法规库也可以采用同样的方式
比如研究一个法律问题，Agent可以先在法规知识库里检索：
现行法律；
行政法规；
司法解释；
部门规章；
规范性文件。
然后把真正相关的条文送入当前上下文。
再进行分析。
而不是要求模型凭训练数据背法条。
十一、真正好用的知识库任务通常是“检索 + 阅读 + 对比 + 结论”
完整流程应该是：
提出具体问题
↓
Agent检索知识库
↓
找到相关材料
↓
打开原始材料阅读
↓
提取统一字段
↓
横向比较
↓
总结适用条件和差异
↓
形成当前项目可参考的结论
直接复制的实战提示词
请使用【知识库/MCP名称】检索与【具体法律问题】相关的历史案例，不要仅凭模型自身知识回答。请主动使用同义词和相关表述扩大检索范围，并逐案打开命中的原始材料核验。统一提取【公司/项目名称、事项背景、监管或争议问题、回复或处理口径、整改措施、最终结论、原始出处】，生成案例对比表，并重点总结不同案例因事实差异而采用的不同论证方式。无法从原文确认的信息标记“未明确”；如知识库未检索到，只能表述为“在本次知识库检索范围内暂未发现”。
最后记住一句话
专业问题不要先问AI：
“你知道怎么处理吗？”
先问：
“我的知识库里，以前有没有人处理过同样的问题？”
让Agent先找到真实案例，再比较事实、论证和结果。
这时候知识库才不只是一个存文件的地方，而是真正开始变成可以被Agent调用的专业经验库。
