知识工程不是一个工具，而是一整套把分散、异构的信息转化为结构化、可推理、可溯源、可维护的知识资产的方法论与技术栈。它最早在 1970--80 年代作为专家系统的配套学科被提出（Edward Feigenbaum 定名，后续形成 CommonKADS 等方法论），今天在 LLM 时代被重新激活------因为大模型解决了"检索与表达"，却没解决"事实是否可信"。
先看清它在整条数据链条上占哪一段------这也是最容易被混淆的地方：
注意 RAG 常常被误当成知识工程------它其实落在应用层（一种检索接入方式），本身不保证知识一致、不管理事实演化。知识图谱也不是知识工程，它是知识工程的产物之一。
那么知识工程具体"工程"什么？可以拆成六个核心要素，按"建库侧 / 用库侧"分两组：
这六项不是清单，而是 一条带反馈回路的流水线 ------每跑一轮，本体会因为新的抽取结果和用户纠错而"生长"，这也是知识工程区别于一次性建库的地方：
一句话收束 ：知识工程的成熟度不看模型多强，而看这六个要素里⑤质量治理与溯源有没有真正落地------它是唯一一个不做就会让前面五项全部失去意义的环节。如果只做到 ①②③ 加一个向量检索，那本质上还是 RAG，只是多了一层本体包装。
判断自己要不要真上知识工程，有个很省事的探针： 拿三份真实文档，问一个带时间条件的问题（"2024 年的规定是怎么写的"）和一个跨文档矛盾的问题，看系统是给你一个来源可查的答案，还是糊过去。 糊过去了，才说明需要底座；答得干净，说明 RAG 组合还够用。