同样把资料交给AI，有人用出了“第二大脑”，有人只得到一个更乱的文件夹。差距不在资料多少，而在怎么用。金山办公内部员工张梓赟的方法是：把AI当队友一样对话，分四步，“养”出一个真正懂业务的Wiki。

第一步，一起“定规矩”。不是自己建目录、分文件夹，一切都让AI来。他把AI中台的各类产品材料通通上传Wiki，AI自动编译后形成概念、实体等分类。然后他做了第二轮对话：了解AI的编译原则——为什么这样分类、哪些是概念、哪些是实体。最后还要补问一句：“为了让你更好理解这些业务，你需要我补充什么？”

第二步，让AI反问自己。导入不是结束，而是开始。他对AI说：“你学完了，可以问我问题，告诉我你哪里不懂，我来回答你。”在这样的引导下，AI会主动暴露知识盲区：哪些地方理解了、哪些还有疑问、哪些信息需要补充、哪些关系需要确认。这种一来一回，是一个高效、双向的知识对齐过程——AI亮出盲区，人精准回答，直击要害。

第三步，用定时任务实现日常更新：每天扫描工作区发现新内容，每周一扫描云文档批量录入，定期生成“洞察报告”——AI学了什么、学得怎么样、哪里还不理解。人不用时刻操心哪些材料该入库、哪些漏了。

最关键的是一个分级流程：校准－入库机制。AI学到的新理解、新洞察，先暂存在Memory区域，不直接写入Wiki。“我得确保入到Wiki的一定是比较准的信息。你还在跟我讨论的东西，先别写入，先放在Memory里面，我先检查你的结果。”他像老师批改作业一样审核这些内容，确认无误才正式入库。有一次，AI理解了他的反馈后自己消化重组，竟画出一张完整的产品架构图，把品牌层、解决方案层、产品线、SKU之间的层级关系梳理得明明白白。

这套机制很快经受了实战检验。今年4月的轻舟AI武汉发布会上，他要准备内容分享PPT——涉及WPS AI、轻舟AI、AI中台、多条产品线、不同SKU、公私网解决方案，概念关系极其复杂。靠着Wiki里校准过的知识体系，他分步推进：先定主题让AI出框架，评审确认后基于Wiki生成内容，再转PPT亲自风格化。结果，第一版就可用。没有概念混淆，没有逻辑断裂。从根源上杜绝幻觉的，不是更强的模型，而是这套机制。