Expert Mind：面向能源行业专家知识保存的检索增强架构

领域专家离开工业组织会导致隐性知识的不可逆流失，而这类知识很少能通过传统的文档化实践保存下来。本文提出Expert Mind，一个利用检索增强生成（RAG）、大语言模型（LLM）与多模态采集技术来保存、结构化组织知识持有者的深层专长并使之可查询的实验性系统。结合能源行业的具体情境——劳动力老龄化使数十年积累的运行经验面临流失风险——我们描述了系统架构、处理流水线、伦理框架与评估方法。该系统通过结构化访谈、出声思维会话与文本语料导入来解决知识获取问题，随后将其嵌入向量库并通过对话界面进行查询。初步设计考量表明，Expert Mind能显著缩短知识传递时延并提升入职培训效率。知情同意、知识产权与被遗忘权等伦理维度被作为一等设计约束加以处理。