铸造的火候、机加工的进给量、化工的配方、白酒的勾调、印染的色差——这些最值钱的经验，往往不在任何系统里，而在老师傅的脑子里。
徒弟要靠十几年才能带出来，师傅一退休，经验就断档。对企业来说，这是最隐蔽、也最贵的资产流失。
为什么传统办法沉淀不下来
- 口头带徒：慢，且不可复制——换一个师傅、换一个徒弟，结果就不一样。
- 写作业指导书：只能写下显性的步骤，"为什么这么调、什么情况怎么办"这类判断，写不出来。
- 退休返聘：治标不治本，人终究会走。
AI 能做什么
AI 在这里的价值，不是"替代老师傅"，而是把个人的经验，变成企业的资产。具体有几种方向：
- 把口述与操作记录结构化。师傅怎么说、怎么调、异常怎么处理，录下来、整理成可检索的内容——以后谁遇到问题，都能查到"当时师傅是怎么判断的"。
- 把工艺参数与结果关联。让"为什么这么调"有数据依据，而不是一句"凭感觉"。
- 给新人一个参考答案。新产线、新问题出现时，AI 先给一个基于师傅经验的参考，人再判断。
但先别急着上"知识库系统"
经验传承最容易踩的坑，是"先买一个知识库 / 大模型工具，再往里塞内容"。真正该先想清楚的是三件事：
- 哪些经验最值得沉淀——不是所有经验都值钱，先沉淀"最稀缺、最不可替代"的那部分。
- 沉淀成什么——是可检索的知识、可关联的数据，还是可复用的判断规则，方向不同，做法不同。
- 给谁用、解决什么问题——是给新人答疑，还是给产线排障，还是给工艺优化，决定了要不要做、怎么做。
最关键的一步不是技术，而是先把老师傅的经验"问出来、记下来、结构化"——数据没沉淀，AI 没料。这一步做得越扎实，后面的效果越稳。
结论
老师傅的经验传承，不是上一个知识库系统，而是先想清楚"哪些经验最值得沉淀、沉淀成什么、给谁用"。它是继视觉质检之后，制造企业第二个最容易见效的 AI 场景——因为它的价值不靠想象，而靠"人走了、经验还在"这一句朴素的话来兑现。