这一类别中真正的分水岭，已经不再是“有没有AI”。如今几乎所有工具都有AI。真正有意义的区别在于：一个平台是否从第一天起就围绕AI就绪的知识构建，还是说它只是一个前AI时代的维基，事后才在顶部加装了一个聊天机器人。

这一区别如今之所以重要，原因在于技术层面：大多数企业AI助手的工作方式是从公司自己的页面中检索相关内容，并以此为其回答提供依据——这种方法通常被称为检索增强生成（RAG）。因此，回答的质量受限于底层内容的质量、新鲜度和结构，这也正是知识库治理悄然从“文档收尾工作”变成“AI基础设施问题”的原因。

一旦内容开始大量堆积，这种差异就会迅速显现：以协作为先的工具会随着团队扩张积累过期、重复的页面，而叠加在这团混乱之上的任何AI都会全盘继承这些问题——包括自信满满地重复已不再真实的信息。

下面列出的平台中，有些本质上仍是“给人看的文档”加上AI；另一些则经过重构，或从一开始就基于完全不同的理念打造。以下是十款目前正被实际使用的工具。

Notion（搭配Notion AI）

Notion的吸引力一直来自其灵活性：一个工作区可以根据团队的使用方式变身为维基、数据库、项目追踪器，或三者兼而有之，几乎不受外部强加的刚性结构约束。

Notion AI在此基础上作为一个相当便宜的附加功能，让用户可以直接提问并获得以团队已写内容为依据的回答，同时提供摘要和起草辅助。

如果团队的知识本来就在Notion中，这通常是极佳的性价比，且无需任何迁移。坦率的短板在于，它会继承工作区中已有的任何混乱，因为AI的组织程度取决于其下方页面的组织程度。

Confluence（Atlassian Intelligence + Rovo）

Confluence最初只是一个简单的团队维基，如今已演变为规模大得多的平台，尤其是在与Rovo搭配之后——Rovo是Atlassian较新的AI智能体层，可与Jira、Loom及Atlassian技术栈的其余部分协同工作。

Atlassian Intelligence在现有维基结构之上增加了会议纪要自动摘要、内容建议和自然语言搜索——这些能力对日常项目工作本来就离不开Confluence的工程和产品团队意义重大。

它的真正优势体现在文档紧邻活跃开发工作的场景。局限则在于，它捕捉那些从未被写成页面的隐性知识的能力明显较弱。

这就是Confluence的核心权衡：对于工程和产品团队是主要知识消费者的组织，它是天作之合；而对于知识天然不以结构化页面形式存在的部门，它就不是那么显而易见的选择。

Guru

Guru建立在一个简单且刻意收窄的理念之上：知识存在于经过验证并保持最新的“卡片”中，AI的职责是在恰当的时刻把恰当的卡片呈现给恰当的人——而不是充当覆盖全公司的通用AI搜索引擎。

这使其在必须保持准确的精选结构化知识（内部SOP、销售赋能材料、客服话术）方面表现出色，正是因为有专人负责每张卡片的准确性。

它的局限——连Guru自己的拥护者也不讳言——是仍然从根本上依赖人来把事情写下来；如果没人记录某个流程，Guru就无内容可呈现。

Bloomfire

Bloomfire大力押注于其所谓的“企业智能”（Enterprise Intelligence）而非单纯的知识存储，围绕治理、内容可靠性，以及随组织变化而主动自我修正（而非在后台悄然过时）的知识来定位自己。

它正是在治理这一意义上获得了独立机构的高就绪度评价：自动化内容健康监测、所有权追踪和对话式AI整合为一个运营层，而非三个彼此割裂的附加组件。

这种定位之所以重要，是因为Bloomfire追逐的是与Notion或Guru略有不同的客户：那些已在AI项目上栽过跟头的企业——失败并非因为模型不好，而是因为为其提供底层支撑的知识基础一团糟，且从没人真正衡量过。

Document360

Document360的身份建立在一件它做得格外出色的具体工作上：精致的对公文档——帮助中心、产品文档和入门材料，供客户或外部用户实际浏览，而不仅限于内部团队使用。

其AI辅助搜索帮助人们快速浏览大型文档库，并且它正是在这一对外场景（而非内部问答）中赢得了良好声誉。

如果手头的任务是一个干净、专业、内置扎实AI搜索的帮助中心，Document360往往是更专注的选项之一；如果需求是基于Slack的内部问答，那么它瞄准的则是完全不同的目标。

Tettra

Tettra刻意保持轻量：一个结构化的内部维基，配上一套利用AI呈现已有答案的问答系统，免得有人一个月内第三次向同事提出同样的问题。

它在运营层面的独特之处在于其存在位置：直接在Slack内作答，而不是强迫人们离开正在使用的工具去查看另一个目的地。

对于不需要Bloomfire那种治理分量的小型或中型团队，Tettra的吸引力主要在于那种低摩擦的“答案直接出现在你正在交谈的地方”的特质。

Shelf

Shelf的出发点与上述大多数平台截然不同。它明确围绕这样一个理念构建：AI智能体从知识库中需要的东西与人类需要的东西不同。

人可以浏览、推断并容忍文档中一定程度的模糊；而智能体需要结构、可追溯性和无歧义的依据，否则它会自信地生成错误答案，而不是标示出不确定性。

Shelf专注于主动去重、持续的新鲜度监测，以及为每个AI生成的回答提供来源可追溯性，将受治理的数据质量视为真正的产品本身，而非叠加在传统维基之上的功能卖点。

它有力地提醒人们：为“生产环境中的AI智能体”打造的工具，与为“浏览维基的员工”打造的工具，正日益分化为不同的类别，即使两者在技术上都被称作知识管理软件。

KMS Lighthouse

KMS Lighthouse的声誉 specifically 建立在受监管、高风险的服务环境中——医疗、金融、电信和客户支持运营——在这些场景中，员工需要的是从内部文档中提取的精确、即刻正确的答案，而非听起来合理的概要。

它与其说是一个通用职场维基，不如说是一个直接接入实时客户互动的运营工具：是客服坐席在通话中途依赖的系统，而非会议间隙随意浏览的东西。

与试图同时服务所有部门的宽泛横向平台相比，这种垂直化、精确优先的聚焦正是其全部差异化所在。

Microsoft SharePoint（搭配Copilot）

SharePoint的优势与微软生态系统中的惯常优势如出一辙：与Microsoft 365其余部分的深度原生集成、基于角色的访问控制、版本历史记录，以及受严格监管或结构复杂的组织在文档管理上已经依赖的工作流。

在其上叠加Copilot后，知识卡片和自然语言检索可直接在人们日常使用的应用内呈现，而无需员工访问另一个目的地。

独立评测中反复出现的批评是：在没有专门IT支持的情况下，设置和权限管理可能相当耗时，且回答准确性有时需要人工复核后才能据以行动。

Coworker AI

Coworker AI瞄准的是上述大多数平台并未真正触及的问题：大多数机构知识从未被写下来的现实。

它们存在于Slack对话串、销售通话录音、CRM备注，以及那些只是待得够久、记得事情实际如何运作的人的头脑中。

其架构在超过一百个互联工具之间构建持续更新的知识图谱，捕捉员工实际做了什么、说了什么，而不仅是有人专门花时间正式记录的内容。

它明确不是Notion或Confluence那种以文档为中心的知识库。坦诚的定位是：它以结构化文档方面补充这些工具，同时覆盖那层规模大得多、更混乱、原本就永远不会被写下来的知识。

来源：Metaverse Post