近日，陜西師范大學(xué)張光偉教授和團(tuán)隊(duì)提出了 AI 在專(zhuān)業(yè)領(lǐng)域演化的一個(gè)全新的范式：知識(shí)協(xié)議工程（Knowledge Protocol Engineering, KPE）。他們對(duì)當(dāng)前大模型為代表的 AI 能力發(fā)展與演進(jìn)進(jìn)行了總結(jié)和展望，提出了 AI 能力演化“三曲線”的觀點(diǎn)。第一條曲線是算力驅(qū)動(dòng)，第二條曲線是事實(shí)驅(qū)動(dòng)——也就是目前主流的 RAG。但研究團(tuán)隊(duì)認(rèn)為，將來(lái) AI 真正的突破可能在于第三條曲線：方法論驅(qū)動(dòng)。

（http://his.snnu.edu.cn/info/1016/2211.htm）

KPE 可能會(huì)在開(kāi)啟第三條曲線過(guò)程中扮演重要的角色。它的思想非常直接：他們將人類(lèi)專(zhuān)家的“隱性知識(shí)”和“工作流程”——比如一個(gè)大型數(shù)據(jù)庫(kù)的《用戶指南》或一個(gè)行業(yè)的《標(biāo)準(zhǔn)作業(yè)程序（SOP）》——系統(tǒng)性地設(shè)計(jì)成一份 AI 可以理解并嚴(yán)格執(zhí)行的“知識(shí)協(xié)議”。

研究團(tuán)隊(duì)在實(shí)驗(yàn)中發(fā)現(xiàn)，當(dāng)一個(gè)通用的大模型在 KPE 的指導(dǎo)下工作時(shí)，它的行為發(fā)生了質(zhì)變。它不再是進(jìn)行概率性的猜測(cè)，而是像一個(gè)訓(xùn)練有素的專(zhuān)家一樣，進(jìn)行結(jié)構(gòu)化的、有步驟的邏輯推理。它的每一步行動(dòng)，都源自于協(xié)議的指導(dǎo)，這使得它的整個(gè)決策過(guò)程變得透明、可解釋且高度可靠。

所以，他們認(rèn)為：通過(guò)將人類(lèi)專(zhuān)家的“程序性知識(shí)”（Procedural Knowledge）協(xié)議化，研究團(tuán)隊(duì)可以有效地引導(dǎo)通用 AI，使其在一個(gè)特定領(lǐng)域內(nèi)，表現(xiàn)出專(zhuān)業(yè)、可信賴的智能。

據(jù)介紹，Knowledge Protocol Engineering（KPE）研究的起點(diǎn)，源于他們?cè)陂_(kāi)發(fā)史料分析專(zhuān)用的 AI 智能體（Agentic AI）時(shí)遇到的一系列難以解決的難題。

研究團(tuán)隊(duì)嘗試了當(dāng)前最主流的技術(shù)，比如 RAG（檢索增強(qiáng)生成）以及 Agentic RAG，來(lái)構(gòu)建能幫助歷史學(xué)家分析文獻(xiàn)、處理數(shù)據(jù)的 AI 助手。但他們反復(fù)遇到三個(gè)主要的問(wèn)題：（1）結(jié)果不穩(wěn)定：AI Agent 的表現(xiàn)像“開(kāi)盲盒”，有時(shí)很驚艷，有時(shí)卻犯一些低級(jí)錯(cuò)誤，這種表現(xiàn)很難在嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)研究中被信賴。（2）效率不夠高：Agent 完成一個(gè)復(fù)雜的分析任務(wù)，需要進(jìn)行多輪的內(nèi)部思考和工具調(diào)用，導(dǎo)致響應(yīng)時(shí)間特別長(zhǎng)。（3）成本高昂：每一次思考和調(diào)用，都會(huì)消耗大量的 Tokens，對(duì)于需要進(jìn)行大規(guī)模、探索性研究的學(xué)者來(lái)說(shuō)，成本難以承受。

研究團(tuán)隊(duì)意識(shí)到，問(wèn)題的根源在于他們只是在給 AI 提供“事實(shí)”（通過(guò) RAG），或者給它一套“通用工具”（通過(guò) Agent），但研究團(tuán)隊(duì)從未系統(tǒng)性地教它一位歷史學(xué)家是如何思考和工作的。所以，他們需要解決的核心問(wèn)題是：如何超越簡(jiǎn)單的“事實(shí)投喂”和“工具授權(quán)”，將一個(gè)領(lǐng)域的“研究方法論”本身，注入給 AI，從而讓它的行為變得可靠、高效、且符合專(zhuān)業(yè)規(guī)范？

KPE 的應(yīng)用前景非常廣闊，研究團(tuán)隊(duì)認(rèn)為大致可以分為三個(gè)層次：

近期：賦能學(xué)術(shù)研究: 他們正在將 KPE 的方法論應(yīng)用于更多的數(shù)字人文研究，如明清檔案、地方志等，為學(xué)者提供更強(qiáng)大的數(shù)據(jù)探索工具。中期： 賦能高度監(jiān)管行業(yè): 在金融風(fēng)控、保險(xiǎn)理賠、法律文書(shū)分析等領(lǐng)域，KPE 將發(fā)揮巨大價(jià)值。因?yàn)樵谶@些行業(yè)，決策的可靠性和可解釋性至關(guān)重要。一個(gè)遵循“知識(shí)協(xié)議”的 AI，其每一步判斷都有據(jù)可查，這解決了 AI 在這些高風(fēng)險(xiǎn)領(lǐng)域應(yīng)用的核心信任問(wèn)題。遠(yuǎn)期：個(gè)性化知識(shí)助理的基石: KPE 為在不同領(lǐng)域快速定制化 AI 助理提供了可能，因?yàn)樗峁┝艘环N輕量級(jí)的、非訓(xùn)練、迭代式的“賦能”AI 的方式。未來(lái)，學(xué)者、醫(yī)生、工程師都有可能擁有一個(gè)注入了自己專(zhuān)業(yè)工作流程的 AI 助手。

研究中，研究團(tuán)隊(duì)在試圖構(gòu)建史料智能分析 Agent 時(shí)曾遭遇了反復(fù)失敗。他們給了它所有研究團(tuán)隊(duì)能想到的工具——網(wǎng)絡(luò)搜索、文檔檢索、代碼執(zhí)行。但它的表現(xiàn)非常不穩(wěn)定，像一個(gè)有無(wú)窮精力的實(shí)習(xí)生，東奔西跑，卻總是抓不住要點(diǎn)。

有一次，他們讓它分析一個(gè)比較復(fù)雜的中國(guó)古代史研究問(wèn)題。它花了很多時(shí)間和大量 Tokens，從資料庫(kù)中檢索了大量相關(guān)的知識(shí)，但最終給出的結(jié)論卻犯了一個(gè)歷史學(xué)入門(mén)者都不會(huì)犯的常識(shí)性錯(cuò)誤。

那一刻研究團(tuán)隊(duì)似乎頓悟了：他們給了 AI“自由”，但研究團(tuán)隊(duì)沒(méi)有給它“紀(jì)律”和“方法”。他們意識(shí)到，在 AI 能夠真正像人類(lèi)專(zhuān)家一樣進(jìn)行創(chuàng)造性思考之前，研究團(tuán)隊(duì)首先需要教會(huì)它遵守領(lǐng)域內(nèi)的“游戲規(guī)則”。這個(gè)“規(guī)則”，就是研究團(tuán)隊(duì)后來(lái)提煉出的“知識(shí)協(xié)議”。這次失敗讓他們明白，對(duì)于 AI 在專(zhuān)業(yè)領(lǐng)域的應(yīng)用，約束可能比自由更重要，嚴(yán)謹(jǐn)?shù)姆椒ㄕ摽赡鼙群Ａ康男畔⒏少F。

本次論文目前是以預(yù)印本形式發(fā)布的，所以還沒(méi)有收到正式的學(xué)術(shù)審稿意見(jiàn)；研究團(tuán)隊(duì)正在不斷的完善 KPE 的關(guān)鍵架構(gòu)，并在多個(gè)應(yīng)用場(chǎng)景中進(jìn)行測(cè)試，相關(guān)的研究論文、案例將陸續(xù)發(fā)表。但他們的預(yù)印論文已經(jīng)在產(chǎn)業(yè)界得到了一些出乎意料的共鳴。例如，凱捷（Capgemini）的全球 AI 負(fù)責(zé)人 Pradeep Sanyal 先生，在他對(duì)研究團(tuán)隊(duì)預(yù)印本的公開(kāi)評(píng)論中寫(xiě)道：“大語(yǔ)言模型不需要更多的事實(shí)，它們需要更好的協(xié)議。大多數(shù)企業(yè) AI 戰(zhàn)略都停留在第二曲線，但這并不能讓模型像專(zhuān)家一樣思考。”他認(rèn)為，本次論文所提出的“第三曲線”，即方法論增強(qiáng)，是關(guān)鍵的突破方向。當(dāng)看到研究團(tuán)隊(duì)作為一個(gè)學(xué)術(shù)團(tuán)隊(duì)提出的理論框架，能夠與全球頂尖企業(yè) AI 戰(zhàn)略家的實(shí)踐觀察不謀而合時(shí)，這給了他們極大的信心和鼓舞。

圖 | 相關(guān)論文（https://arxiv.org/pdf/2507.02760）

在后續(xù)計(jì)劃上，研究團(tuán)隊(duì)將主要圍繞 KPE 這個(gè)框架本身以及行業(yè)應(yīng)用展開(kāi)，其認(rèn)為它應(yīng)該有巨大的探索空間：

第一，深化協(xié)議工程的方法論。研究團(tuán)隊(duì)正在撰寫(xiě)更詳細(xì)的指南，探討如何為不同類(lèi)型的知識(shí)領(lǐng)域——比如有些是規(guī)則驅(qū)動(dòng)的，有些是案例驅(qū)動(dòng)的——構(gòu)建最高效的知識(shí)協(xié)議。他們希望 KPE 能成為一種更成熟的、系統(tǒng)的解決方案。

第二，拓展 KPE 的應(yīng)用領(lǐng)域。研究團(tuán)隊(duì)正在積極探索將 KPE 應(yīng)用于其他知識(shí)密集型領(lǐng)域，比如法律文本和中醫(yī)典籍的分析。他們的目標(biāo)是驗(yàn)證 KPE 作為一個(gè)通用方法論的有效性和擴(kuò)展性。

第三，構(gòu)建開(kāi)源的知識(shí)協(xié)議庫(kù)。研究團(tuán)隊(duì)希望建立一個(gè)開(kāi)放的社區(qū)，邀請(qǐng)各個(gè)領(lǐng)域的專(zhuān)家參與進(jìn)來(lái)，共同為他們的領(lǐng)域撰寫(xiě)和完善“知識(shí)協(xié)議”。他們?cè)O(shè)想未來(lái)能有一個(gè)像 GitHub 一樣的平臺(tái)，但它托管的不是代碼，而是各個(gè)領(lǐng)域的、可被 AI 執(zhí)行的“人類(lèi)智慧協(xié)議”。

目前張光偉主要專(zhuān)注于學(xué)術(shù)研究。張光偉認(rèn)為 KPE 是一個(gè)值得深入挖掘的富礦，研究團(tuán)隊(duì)對(duì) KPE 的產(chǎn)業(yè)化前景持非常開(kāi)放的態(tài)度，相信它在企業(yè)知識(shí)管理、合規(guī)和自動(dòng)化決策等領(lǐng)域有巨大的應(yīng)用潛力。張光偉還表示：“補(bǔ)充一下我最近在觀察 AI 相關(guān)業(yè)界討論 KPE 時(shí)最深的感觸。無(wú)論是 Pradeep Sanyal 認(rèn)可研究團(tuán)隊(duì)在 KPE 中所提出的‘第三曲線’，還是 Luis Dieguez 的認(rèn)為 KPE 是‘咨詢業(yè)的下一個(gè)前沿’，亦或是 Cedric Anne 的‘從 Know-How 到 Know-Flow’，這些圍繞 KPE 展開(kāi)的討論都指向了一個(gè)共同的未來(lái)：AI 時(shí)代，最稀缺的資源，可能不再是數(shù)據(jù)或算力，而是高質(zhì)量的、可執(zhí)行的‘方法論’。”

過(guò)去，研究團(tuán)隊(duì)將人類(lèi)專(zhuān)家的智慧寫(xiě)在書(shū)里、鎖在報(bào)告里。現(xiàn)在，KPE 提供了一種全新的可能性——將這些智慧轉(zhuǎn)化為一種“思想軟件”（Thought-ware），一種可以被 AI 大規(guī)模執(zhí)行、可以不斷迭代、可以與世界實(shí)時(shí)互動(dòng)的“活的知識(shí)”。

因此，張光偉認(rèn)為這次技術(shù)浪潮對(duì)研究團(tuán)隊(duì)每個(gè)人最大的挑戰(zhàn)和機(jī)遇是：研究團(tuán)隊(duì)是否能成為自己領(lǐng)域知識(shí)的“協(xié)議工程師”？因?yàn)槲磥?lái)可能不屬于僅僅會(huì)使用 AI 的人，而屬于那些能夠定義和塑造 AI 如何思考的人。這正是研究團(tuán)隊(duì)提出 KPE 所希望開(kāi)啟的對(duì)話。

參考資料：

https://arxiv.org/pdf/2507.02760

http://his.snnu.edu.cn/info/1016/2211.htm

運(yùn)營(yíng)/排版：何晨龍