知识管理
知识管理使人们在运行服务时所学到的东西,能够被下一个需要它的人所用;行之有效的做法是把捕获知识作为解决问题的副产品,让知识贴近工作,在使用时评审它,并把 AI 的搜索和起草当作建立在人所维护的知识库之上的帮手。
为什么这很重要
每个服务团队都带有没有写在任何地方的知识:为什么选择了某个设置,如何重启一个脆弱的组件,某个特定客户需要什么。当一个人离职、休假,或者仅仅是忘记了,知识就随他而去,团队在最糟糕的时刻发现自己的依赖:深夜的一次事件当中。
大多数组织曾试图用文档运动来解决这个问题。员工被告知要把一切写下来。知识库里充满了没人阅读或信任的文章,因为它们过时、冗长或难以找到。几个月后,这种努力逐渐消退,人们又回到询问同事。
更好的做法是把知识视为工作的一部分,而不是单独的任务。捕获发生在解决问题的过程中,由解决问题的人用寥寥数行完成。有帮助的文章被使用和改进;失效的文章被修复或删除。知识库位于人们已经在使用的工具之中:服务台、事件频道、代码仓库。本主题解释这些理念,包括以知识为中心的服务(KCS)方法,以及 AI 现在在搜索和起草中所扮演的角色。它与服务台(主题 3.1 — 服务台)、问题管理(主题 3.3 — 问题管理)和 AI 技能(主题 5.7 — AI 技能与提示词)相关。
核心概念
数据、信息、知识。 数据是事实;信息是处于上下文中的数据;知识是人可以据以行动的信息。错误代码是数据,解释其含义的文章是信息,而在凌晨 3 点知道三种可能的原因中哪一种最可能,则是知识。知识库可以容纳信息和指引,却无法容纳全部知识。维基百科关于知识管理(knowledge management)的文章描述了这一领域。
显性知识与隐性知识。 显性知识可以写下来:程序、检查清单、图表。隐性知识存在于实践和判断之中,难以表达。维基百科描述了隐性知识(tacit knowledge),这一术语与 Michael Polanyi 相关。两者都重要。写作有助于显性知识;交谈、结对和跟岗学习有助于隐性知识。
知识库。 员工和用户可以搜索的一批文章、指南和答案。维基百科描述了知识库和维基(wiki)。它可以是面向员工的内部知识库,也可以是面向客户的外部知识库。质量更多取决于维护,而不是工具。
运行手册(Runbook)。 处理已知情形的分步说明,例如重启服务或响应常见告警。维基百科关于运行手册(runbook)的文章把它们描述为系统运维程序的汇编。好的运行手册简短、经过测试,并与触发它的告警相链接。见主题 6.6 — 运行手册自动化与自动修复。
以知识为中心的服务(KCS)。 由服务创新联盟发布的一种方法。其主要理念是:在工作流中、在解决问题的同时捕获知识;在使用文章的同时复用并改进它们;使每个人都可以安全而正常地贡献;并根据需求而不是预先的计划来演进知识库。它的描述包括“解决循环”和“演进循环”等实践。详细内容请查阅联盟当前的指南。
在工作流中捕获。 写文章的最佳时机是你刚刚解决了问题的时候。在与工单相同的工具中写几行短笔记,包括症状、原因和修复,只需几分钟。事后凭记忆来写,需要更多时间,而且常常被跳过。
把复用当作信号。 当一篇文章被用来解决问题时,将它链接到工单。统计链接数可以显示哪些文章有帮助,哪些从未被使用。如果有人使用了某篇文章而它失效,他们应当当场修复或标记。
文章质量。 好的文章有一个用用户用语写成的清晰标题、对症状或问题的简短陈述、已知的原因、步骤、检查是否奏效的方法,以及如果没有奏效该问谁。它简短,并与系统保持同步。
文档作为代码仓库的一部分。 对工程团队来说,把文档放在代码旁边,用 Markdown 之类的纯文本,并与代码一起评审变更,可以使二者保持一致。维基百科关于 Markdown 的文章描述了这种格式。改变行为的拉取请求也要同时修改文档。
决策记录。 记录为什么作出某项重大决策、考虑过哪些替代方案,以及当时已知什么的简短笔记。它们帮助新团队成员和未来的评审理解其中的推理。
巴士系数(bus factor)。 要使项目因缺乏知识而停滞,需要失去多少人。维基百科描述了巴士系数(bus factor),也称彩票系数。巴士系数为一是一种风险。通过结对、轮岗和分享来传播知识可以提高它。
知识转移。 通过交接、结对、培训和跟岗,把知识从一个人转移到另一个人。维基百科描述了知识转移(knowledge transfer)。要为此留出时间,尤其是在有人要离开的时候。
可发现性。 即使内容很好,人们找不到也是无用的。标题、标签、搜索调优,以及来自告警和工单的链接都很重要。维基百科关于搜索引擎和信息过载的文章描述了相关的问题。
AI 与检索。 AI 助手可以搜索知识库、总结文章并起草新文章。一种常见的模式,检索增强生成(retrieval-augmented generation),检索相关段落,并要求模型只依据这些段落作答。维基百科描述了这一理念。助手的回答只能和它读取的知识库一样好,而且仍可能出错。见主题 5.4 — 面向事件、知识与变更的生成式 AI。
治理。 决定谁拥有知识库,文章如何评审,敏感内容如何控制,以及旧内容何时归档。保持规则轻量。
这些视角如何契合。 知识管理是在单篇文章层面上的持续改进。AI 在审查下帮助用户查找、总结和起草。自动化把告警链接到运行手册,把工单链接到文章。分析显示哪些文章被使用、哪些失效、哪些缺口被搜索。
最佳实践
- 边解决边捕获。 作为关闭工单的一部分,写一篇简短的文章或更新一篇。让它成为正常步骤,而不是额外的工作。
- 为凌晨 3 点的读者而写。 使用人们搜索的词、简短的步骤,以及检查修复是否奏效的方法。把最有用的部分放在前面。
- 把文章链接到工单和告警。 告警触发时,链接到运行手册。文章解决了工单时,把二者链接起来。这些链接显示了什么有用。
- 使用时修复或标记。 如果一篇文章在你使用时有误或不清楚,立即纠正或标记待评审。让这件事变得容易。
- 让贡献变得安全。 允许每个人编辑,对敏感或高影响的内容进行轻度评审。感谢贡献者,不要惩罚错误。
- 定期修剪。 评审长期未被使用的文章,并将其归档。一个更小而可信的知识库,胜过一个庞大而可疑的。
- 把工程文档与代码放在一起。 随变更一起评审,并尽可能从源代码生成,如 API 参考。
- 记录重要的决策。 写简短的决策笔记,包含背景、选项和理由。把它们链接到所涉及的代码或设计。
- 有意识地传播知识。 用结对、轮岗、简短讲座和跟岗来转移隐性知识。检查每项关键服务的巴士系数。
- 把 AI 的回答当作草稿。 让 AI 搜索和建议,并显示来源,在文章成为正式内容之前由人确认。跟踪糟糕的回答并修复来源。
与团队讨论的问题
我们上一次不得不请人解释、本该被写下来的东西是什么? 从真实案例开始。预期会有“如何重启 X”或“为什么 Y 要这样设置”。问问是什么阻止了它被写下来。追问:现在一起把它写下来。
我们信任哪些文章?回避哪些? 信任因团队和主题而异。问问为什么。预期会有“过时”和“太长”。追问:选三篇不被信任的文章去修复或删除。
我们有多少人知道如何恢复最关键的服务?如果他们不在会怎样? 这个问题检验巴士系数。老实数一数。预期会有一两个名字。追问:规划一次结对或演练,以传播知识。
我们今天把东西写在哪里?能找到吗? 列出这些地方:聊天、维基、工单、代码仓库、个人笔记。一起试着找一个具体的答案。追问:为每种知识商定一个存放之处。
团队里任何人修复自己发现有误的文章有多容易? 障碍包括权限、评审延迟和对批评的恐惧。问问什么能让它变成三十秒的事。追问:消除一个障碍。
我们如何用 AI 来查找或编写知识?如何检查它说的话? 问问谁在知识工作中使用 AI 工具,以及他们信任什么。预期有些地方会不加批判地使用。追问:商定回答要引用文章,并对照文章抽查回答。
实践:一个服务管理示例
一家国家气象局的八人基础设施团队运行着预报数据流水线。两位资深工程师掌握着处理卫星数据的最老流水线的大部分知识。当其中一位休了三周假时,该流水线上的一次故障花了两天才解决,因为值班的初级人员找不到重启程序,它在一封六年前的邮件线程里。
团队负责人决定采用轻量版的 KCS。任何解决了问题的人,在工单的解决方案字段里写几行:症状、原因、修复、检查。每周一次十分钟的会议评审新笔记,并把有用的升级为团队代码仓库中的运行手册。每条告警都链接到它的运行手册。两位资深工程师同意按轮值表与初级人员结对,并录制两段简短的视频,讲解流水线的运行。
三个月后,已有 40 份运行手册,团队可以在工单工具中看到哪些与已解决的事件相链接。在下一次故障中,值班的初级人员通过告警找到运行手册,照着做,并在 25 分钟内恢复了流水线。一个在代码仓库上试用的搜索助手把一个问题答错了,引用了运行手册中已被后来的编辑取代的一节。负责人增加了一条规则:被取代的章节要删除,而不是加删除线。
变化在于:流水线不再依赖两个人,初级人员也更有信心。仍然困难的是:资深工程师仍然觉得写作占用了他们没有的时间;有些运行手册只经过阅读来测试;最老的流水线上有些组件没人完全了解,这是任何文档都无法解决的。负责人计划对最老的流水线做一次演练,并安排对没人了解的组件进行设计评审。
四种视角
产品与交付团队
把文档与代码放在一起,并随变更一起评审。把决策笔记和运行手册作为工作的一部分来写,并与运维分享你的所学。
服务与运维团队
边工作边捕获解决方案,使用时修复文章,并把告警链接到运行手册。通过结对分享隐性知识。把你发现的缺口告诉负责人。
领导层与治理
让撰写和阅读知识成为工作的正常组成部分,而不是附带的任务。为结对和演练留出时间经费。询问关键服务的巴士系数。不要奖励文章的数量。
客户与用户
好的文章让你可以自己解决问题,更快得到答案。当某篇文章令人困惑或有误时,告诉提供者,以及你当时想做什么。
敏捷、AI、自动化与分析
敏捷
在使用的驱动下,小步演进知识库,并让用户和员工提供反馈。在简短的定期会议上评审缺口。注意:避免大型的文档项目;它们产出的内容在上线时就已经过时。
AI
AI 可以搜索知识库、总结文章、带引用地回答问题,并根据工单和聊天起草文章,凡成为正式内容的都由人批准。指定负责人。注意:助手可能依据过时或错误的内容自信地作答;要显示来源,并跟踪更正。见主题 5.4 — 面向事件、知识与变更的生成式 AI。
自动化
把告警链接到运行手册,在新工单上建议文章,标记过时的内容,并根据已关闭的工单生成草稿文章,再由人编辑。注意:自动建议可能使知识库充斥着低质量的草稿;限制未经评审就发布的内容。见主题 6.6 — 运行手册自动化与自动修复。
分析
跟踪文章的使用情况、与已解决工单的链接、无结果的搜索,以及距上次评审的时间。注意:统计创建的文章数会奖励数量,使用次数则会让热门话题压过关键而罕见的话题;要结合反馈和抽样。见《服务管理度量》一书和主题 7.3 — 度量与报告。
常见失败模式
- 文档运动。 一阵集中写作之后便是衰败。把捕获知识作为工作的一部分。
- 文章冗长。 没人阅读。写简短、聚焦任务的文章。
- 内容过时。 信任受到侵蚀。使用时修复或标记,并修剪。
- 知识只在聊天里。 无法被找到。把有用的回答移到知识库。
- 巴士系数为一。 一个人缺席就让工作停摆。有意识地传播知识。
- AI 回答未经检查。 错误的建议扩散。显示来源并抽查回答。
- 把写作当作惩罚。 人们回避它。让它成为常规并给予认可。
成熟度模型
| 维度 | 起步 | 发展 | 标准化 | 管理 | 协同 |
|---|---|---|---|---|---|
| 捕获 | 在脑海和聊天里 | 事件之后有一些文章 | 捕获是工作流中的正常步骤 | 抽样并改进捕获质量 | 捕获自动化并有人工复核 |
| 可发现性 | 问同事 | 一个可搜索的知识库 | 告警和工单链接到文章 | 搜索缺口驱动内容 | 检索和助手跨工具集成 |
| 质量 | 未经评审 | 偶尔清理 | 使用时修复或标记,定期修剪 | 通过使用和结果度量质量 | 质量在整个组织中持续改进 |
| 传播 | 一位专家 | 一些结对 | 检查关键服务的巴士系数 | 规划演练和轮岗 | 知识在团队和合作伙伴之间共享 |
检查清单
- 人们作为关闭工单的一部分来捕获解决方案。
- 告警链接到运行手册。
- 文章简短,并用用户搜索的词来写。
- 任何人都可以修复自己发现有误的文章,并有轻度评审。
- 我们定期修剪未使用或过时的文章。
- 工程文档与代码放在一起,并随变更评审。
- 我们知道每项关键服务的巴士系数。
- AI 的回答引用来源,并抽查其正确性。
AI 提示词
根据已解决的工单起草文章。
这是一张带有笔记的已解决工单,已去除个人数据:[粘贴]。
请起草一篇简短的知识文章,包含:用用户会搜索的词写的标题、症状、原因(仅限已说明的)、步骤、如何检查是否奏效,以及如果没有奏效该问谁。任何缺口都标注为 [缺失],不要补充。
请列出你不确定的事项。
为夜间的读者评审一篇文章。
这是一份运行手册:[粘贴]。
请列出含糊的步骤、假定了未说明知识的步骤,以及若严格照做可能造成伤害的内容。不要改写运行手册。
请列出你不确定的事项。
从搜索中发现缺口。
这是没有结果或之后又产生了工单的搜索词:[粘贴列表]。这是我们的文章标题:[粘贴列表]。
请把搜索词归为若干主题,并针对每个主题说明是否有现有文章标题看起来相关,或是否需要一篇新文章。不要起草文章。
请列出你不确定的事项。
AI 技能
- runbook:用于编写和测试运行手册。
- decision-records:用于记录为什么作出决策。
- architecture-decision-record:用于别人需要理解的设计决策。
- prompt-engineering:用于设计从知识库读取并引用来源的提示词。
主要来源
- Consortium for Service Innovation,Knowledge-Centered Service (KCS):在支持工作中捕获知识的主要实用方法。
- 野中郁次郎(Ikujiro Nonaka)和竹内弘高(Hirotaka Takeuchi),The Knowledge-Creating Company(1995):关于隐性知识和显性知识。
- Wikipedia, "Knowledge management" 和 "Tacit knowledge":中立的概述。
- Wikipedia, "Runbook":关于运维程序的背景。
参考文献
- Knowledge management — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_management
- Knowledge base — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_base
- Tacit knowledge — Wikipedia — https://en.wikipedia.org/wiki/Tacit_knowledge
- Wiki — Wikipedia — https://en.wikipedia.org/wiki/Wiki
- Runbook — Wikipedia — https://en.wikipedia.org/wiki/Runbook
- Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
- Markdown — Wikipedia — https://en.wikipedia.org/wiki/Markdown
- Bus factor — Wikipedia — https://en.wikipedia.org/wiki/Bus_factor
- Knowledge transfer — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_transfer
- Consortium for Service Innovation — KCS library — https://library.serviceinnovation.org