10 个关键问题 Q&A
Q1：50 人以下小企业，必须买现成企业大脑吗？ A1：大多不需要，现有 AI + 规范文档库就能满足大部分需求。
Q2：合格企业大脑的最低要求是什么？ A2：自动采集多源数据、权限隔离、支持 MCP/API；再加知识确权或版本追溯二者其一。
Q3：Claude 团队版、Notion 算不算企业大脑？ A3：只算一半，缺少跨智能体共享写入、长期知识复利能力。
Q4：方案 2 Markdown+MCP 适合什么样团队？ A4：大量部署智能体、想要自主可控，内部有轻度 AI 使用者的团队。
Q5：Onyx 开源版有什么短板？ A5：免费版无细粒度权限，全员可见全部索引内容，部署有运维成本。
Q6：企业大脑最大的风险是工具不好吗？ A6：不是，最大风险是无人维护、知识陈旧；其次是商用厂商锁定。
Q7：MCP 在这里起到什么作用？ A7：统一协议，让不同智能体读写同一份企业知识库。
Q8：小企业建设最容易踩的顺序坑？ A8：先买昂贵工具，等着工具自动填知识，而不是先沉淀 SOP。
Q9：什么是 “上下文税”？ A9：厂商对智能体读取、调用知识库的次数单独计量收费。
Q10：什么时候需要升级到复杂方案？ A10：简单文件夹方案权限、检索、多 Agent 协同无法满足业务时再升级。
如果你的公司人数不到 50 人，现阶段大概率没必要专门采购一套企业大脑产品。你正在付费使用的 AI 工具，已经能覆盖一半需求；再搭建一套所有智能体都可访问、结构清晰的文档库，剩下大部分需求也就能满足。本文会说明企业大脑到底是什么，并介绍适合小企业搭建它的 5 种方案。
「企业大脑」，就是服务于企业版的「第二大脑」 第二大脑是一个外部知识库，用来存放知识、过往决策与上下文，你本人、你的 AI 工具和智能体都可以读取、往里面新增内容。
今年早些时候，Andrej Karpathy（安德烈・卡尔帕西）的相关推文收获 2200 万浏览量，这个概念随之爆火。https://x.com/karpathy Andrej Karpathy @karpathy · https://x.com/karpathy/status/2039805659525644595 # 大模型知识库 我最近发现一个很实用的用法：用大模型搭建个人知识库，用来存放各类研究主题的资料。这样一来，我近期消耗的大量 Token，不再主要用来写代码，更多是用来整理信息…… （推文剩余内容省略）
所有使用 AI 的人，都应该拥有自己的第二大脑。 为什么？下面说原因：
-
统一承接你在所有 AI 工具、智能体里的上下文。你的优先级安排、过往决策、表达风格、调研资料、历史成果全部集中在一处，跨会话随时可用，不用反复重新交代背景。 -
实现智力复利。每一轮对话、参考资料、纠错记录都会回写到库中，这套系统会越用越好用。 -
给智能体提供事实依据。智能体基于你审核过的可靠知识作答，而不是依赖模型模糊记忆，大幅减少幻觉，所有输出都可以溯源。 -
可迁移。第二大脑里的文件归你所有，能适配任意大模型、任意智能体运行框架。你在 Claude、GPT、Hermes 之间切换时，上下文可以跟着走。掌握属于你自己的上下文！ -
这就是差异化优势。大家用的底层模型都一样，真正拉开差距的，是模型掌握的、专属于你和你业务领域的信息。
如果你不用第二大脑，相当于严重限制了你使用 AI 和智能体的上限。
早在 4 月，我就搭建了一套个人第二大脑：一个结构规整的文件夹，存放 Markdown 与 HTML 文件。https://x.com/KSimback/status/2043745657748361476 这套方案到现在基本没变，一直很好用，尤其在我测试各类新工具的时候。
它的运作逻辑：导入原始资料，全部整理编译成知识库 Wiki；Claude Code、Codex、Hermes 智能体、Grok Bot 等所有工具都可以读取同一套上下文，并且按照一套既定规则，由智能体协同维护这份知识库。
这套方案在个人场景里效果很好。 但如果是企业场景，多个人、多个智能体需要读写同一个企业大脑，又该怎么做？
目前大部分关于企业大脑的讨论，面向的都是大型企业 —— 它们的数据体量庞大、逻辑复杂，需要更精密的部署方案。想看案例，可以参考这篇 Cerebras 的推文： https://x.com/cerebras/status/2077822555159945507https://x.com/cerebras Cerebras @cerebras · https://x.com/cerebras/status/2077822555159945507 我们是如何搭建内部知识库的 作者：@hi_im_isaac_, @learnwdaniel, @gaozenghao 注：技术博客交互式完整版链接：https://www.cerebras.ai/blog/how-we-built-our-knowledge-base 员工每月在内部知识库发起查询超过 15000 次……
但本文的目标读者是小企业：5 人小服务商、20 人初创公司、40 人服务型企业。这些小企业不断听到「企业大脑」这个词，却拿不准自己到底要不要做。
好消息是：小企业规模下，你用低成本自研方案，就能拿到企业大脑绝大部分价值。下面我会逐一介绍搭建思路。
到底什么才算真正的「企业大脑」
Y Combinator（YC）已经把「企业大脑」纳入需求征集清单，这相当于把它正式划为一类软件赛道。但市面上所有第二大脑类产品，水平参差不齐。
有一个简单的检验标准，可以帮你穿透营销话术，判断它是不是合格的企业大脑。合格的企业大脑，至少要满足下面 3 条：
-
自动从知识的原生载体抓取信息：文档、聊天记录、邮件、客户管理系统（CRM）等； -
严格遵循权限：只向提问的人 / 智能体开放其有权查看的内容； -
支持其他 AI 工具、智能体通过 MCP 协议或者 API 调用它。
同时至少还要满足下面两条中的一条：
-
把隐性经验（团队口述经验）沉淀为标准作业流程（SOP）和事实条目，并且指定专人负责维护； -
记录变更历史、变更时间，保证不会用上个月的旧信息覆盖本周更新后的结论。
一个仅仅上传了几份 PDF 的共享 Claude 项目、个人 Obsidian 知识库、只拥有好看界面的向量数据库，全都达不到这个标准。
目前市面上大多数号称「企业大脑」的产品，只能满足这 5 项里的 3～4 项。
你付费的工具，其实已经承载了一半企业大脑能力
如果你在用 Claude 团队版、ChatGPT 企业版、Copilot、Gemini，甚至 Notion，这些工具本身就自带连接器，可以基于你的企业数据、结合用户权限给出答案。
Claude 团队版按年付费方案，支持企业检索功能：会接入你绑定的各类业务工具，并且严格匹配每个用户自身的访问权限。 https://support.claude.com/en/articles/9266767-what-is-the-team-planhttps://support.claude.com/en/articles/12489464-use-enterprise-search
对于 5～10 人的小团队来说，这已经能覆盖「检索内部资料、回答业务问题」这类绝大多数场景。
但还有两个核心短板没有补上：
-
优质答案锁在私有对话里。员工让 AI 完成一份重要的企业调研，得到很好的结论，但这份成果只存在这个人的聊天记录里。即便导出文档链接分享，它也只是静态文件。下一个想用这份调研成果的同事，需要手动把内容导入自己的上下文，知识没法持续积累增值。 -
其他智能体无法读取。当企业内部部署了多个智能体之后，你会希望它们共用一层共享上下文。缺少这一层，销售智能体、代码智能体、运维自动化工具每次都要从零开始；上下文被锁死在各个厂商独立工具内部。
第二个缺口，会随着你不断落地智能体，变得越来越棘手。小企业往往上线智能体的速度，远快于搭建知识管理体系的速度，最终上下文彼此割裂，企业大脑最大的价值根本发挥不出来。
搭建企业大脑的 5 种方案（由易到难，技术门槛逐步升高）
- 共享文档 + AI 共享项目
在云盘（Drive）或者 Notion 里新建一个统一文件夹存放全部企业文档，绑定到共享 Claude / ChatGPT 项目。一个下午就能搭好。如果你已经买了席位，不需要额外花钱。 缺点：如果没有专人持续维护，内容很容易过时；并且能导入的数据，仅限于可以下载成文件的内容。 - Markdown 知识库 + MCP 服务
把企业文档、术语表、决策日志全部放进 Git 托管的文件夹，通过 MCP 服务对外暴露，所有智能体既能读取，也可以新增文档。 搭建、调试大概需要几天。变更记录可以像代码一样走 GitHub 评审流程，稳定性比方案 1 更强。 缺点：如果公司内部没有熟悉 AI 的技术骨干，上手门槛偏高。 这套方案最贴近 YC 提出的思路：把你的各类业务资产，转化成 AI 可以使用的能力。https://x.com/KSimback/status/2043745657748361476 - 自建 AI 工作空间
进阶方案，用三套开源组件组装属于自己的企业大脑：聊天前端、可检索文档存储库、自动化同步脚本（用来从云盘、Slack 拉取数据，也就是连接器）。 可以选用 OpenWebUI 或者 AnythingLLM，搭配 n8n 工作流，自动把云盘、Slack 内容同步进知识库。 核心优势：整套栈完全归你掌控，数据属于你、模型可以自选。 代价：维护责任也落在自己身上 —— 同步链路中断、组件版本更新，都需要你自行处理。 - 自建连接器检索系统
这是第一个专门为这类场景设计的方案，可以选开源项目 Onyx，对标商用产品 Glean。 它对接你公司正在使用的各类工具，建立索引；团队成员可以通过聊天界面、Slack 机器人、API、MCP 服务调用它，输出内容自带引用溯源。支持私有化部署，也可以用 Onyx 云版；社区版采用 MIT 协议、免费使用。 数据保存在你自己的基础设施上，托管成本每月一般不超过 100–200 美元。
它看起来是很顺的选择，但有两个明显短板： ① 免费社区版里，所有人都能看到全部索引内容。10 人以内团队或许没问题；但如果里面有人力资源文件、薪酬信息等敏感资料，就不能纳入索引，你必须严格管控入库内容； ② 私有化部署有运维成本。整套服务包含检索索引、Postgres、Redis、对象存储、模型服务等多个组件，搭建复杂，需要有一定技术能力的人员调优、持续维护。 https://github.com/onyx-dot-app/onyx/releases
- 自定义知识图谱记忆层
技术门槛最高，需要扎实的开发能力，但最终方案鲁棒性最强。 在自研 MCP 服务底层接入 Graphiti、Cognee、Mem0 或者 gbrain 这类开源工具。 整套系统从开发、测试到稳定上线，大概需要数周。 https://github.com/garrytan/gbrain
注意：方案 2 或许适合某一家 50 人公司，却不一定适配另一家只有 5 人的团队。最终选择，取决于你的业务类型、实际使用场景。 一个简单办法：直接把本文丢给你常用的大模型，让它结合你的情况，逐项访谈评估，帮你选定方案。
那商用成品工具呢？能不能直接买现成的？
简短回答：可以，市面上有厂商托管的成品工具。 但要留意风险：你很可能被厂商锁定。厂商可以随时修改服务条款：涨价、砍掉功能、你后续想迁移的时候拿不出自己的全部上下文数据，甚至最糟的情况 —— 产品直接停运。
现在有一批面向智能体原生的企业大脑产品，按公司统一计费，月费大约 100 美元；额外功能或者超额调用还要加价，选购时务必细读细则。我本人没有实测这些产品，请你自行调研甄别（DYOR）。 Gyld：https://gyld.ai/Agently：https://agently.dev/pricing Company Brain：https://www.company-brain.ai/
面向中大型客户的老牌厂商，大多按席位收费。这个定价逻辑不难理解：越多人和智能体使用，企业大脑价值越高；但这等于你又新增了一笔 SaaS 订阅开支。
商用产品需要留意的坑
-
权限管理大多是增值付费项。企业版虽然有权限，但内容总结功能经常会破坏权限隔离；小企业版本里，很多方案根本不会继承原有系统权限。 Onyx 开源版免费，但付费版才有细粒度权限；Slack 跨应用权限也有它自身限制。上面 1–3 号方案，基本都是入库内容全员可见。 https://onyx.app/pricinghttps://slack.com/help/articles/39264531104275 -
厂商可能突然关停。 Supermemory 在 9 月 9 日宣布停运并给客户退款；Dashworks 被 HubSpot 收购之后停止独立运营、启动迁移。 https://supermemory.ai/blog/an-update-to-supermemoryhttps://support.dashworks.ai/migration-guide 如果企业记忆存放在别人的数据库里，这就是风险；如果是存放在 MCP 服务背后的 Markdown 文件，一个下午就能完整迁移走。 -
智能体调用会产生计量扣费。Atlassian 的 Rovo 消耗专属额度、Zapier 对每一次 MCP 调用计费、微软也对部分智能体能力计量收费。可以理解成「上下文税」：智能体读取企业大脑越多，你的账单越高。
按企业类型，可以这么选
-
谷歌生态、10 人以内、无专职技术人员：用 Gemini，搭配维护规范的文档文件夹。所有 AI 工具、智能体都指向这个文件夹，指定专人负责持续更新维护。 -
微软生态、10 人以内：梳理完善 SharePoint 权限，把公开业务文档统一放在这里，给 AI 和智能体接入读取。 -
主力使用 Notion / Atlassian：两款工具都内置大量适配 AI、智能体的能力，你已经付了订阅费，用好现有能力即可。思路同上，统一入口，严格做好维护纪律。 -
重度依赖 Slack、大量 SaaS 工具、没有工程师：Claude 团队版，配齐各类连接器；或者试用一口价计费的企业大脑产品。 -
大量跑智能体，但缺少统一上下文层：优先选 GitHub 托管 Markdown 知识库 + MCP 作为共享上下文层。所有智能体读取同一份可信资料，在权限允许时写入更新；自带备份，出错可以回滚。 -
配有开发人员、想要自主掌控整套系统：推荐 Onyx + 结构规范的 Markdown 知识库组合。
所有方案，底层逻辑都一样：
-
把标准作业流程（SOP）全部整理成文； -
放到所有智能体都能读取的位置； -
做好权限管控； -
最后，再花钱上自动抓取、记忆管理能力。
绝大多数小企业都做反了顺序：先买工具，等着工具自己把知识填满。
后续发展方向
大企业的企业大脑问题要难得多，不过大企业有充足资源去落地企业级方案。 几千人规模下，信息冲突、复杂权限管控，会让难度成倍上升。
而小企业做企业大脑，难点主要不在工具，而在管理纪律。工具本身不贵，甚至免费；真正稀缺的，是愿意对这些业务事实负责、持续维护的人。
先从一个文件夹起步，指定一名负责人，让所有智能体都对接这个文件夹。 等这套方案不够用的时候，你自然会感知到。到那时，可以联系我，了解我们 Codos 团队的方案： https://codos.ai/ https://www.codos.ai/blog/aethos-enterpriserag-benchmark-512k
术语备注（方便阅读）
-
Company Brain：企业大脑 -
Second Brain：第二大脑 -
Agent：智能体 -
MCP：Model Context Protocol，模型上下文协议 -
RAG：检索增强生成 -
SOP：标准作业流程 -
DYOR：Do Your Own Research，自行调研、审慎判断 -
Token：大模型计费单位 -
Git / GitHub：代码版本管理工具，用于文档变更追溯评审 -
Vector database：向量数据库