SMART KS：让AI大型机知识不再流失的智能系统

企业团队每天都在向AI提出关于大型机的复杂问题，而这些答案往往在得到后就迅速消失，无法沉淀为可复用的组织资产。InCommData推出的SMART KS（知识系统）试图解决这个痛点——它不只是回答问题，更把每一次有价值的回答转化为长期保留的知识。

从一次性问答到持久知识

SMART KS构建在SmartTSXL之上，后者是一个能够实际执行工作并记住所学内容的AI智能体。用户只需用自然英语提问，智能体便会规划任务流程，调用企业自有的大语言模型（LLM）以及SmartTSXL的MCP服务器，去检索真实的COBOL、JCL和数据资源。

这套机制的核心价值在于「不猜测生产环境」。当信息缺失时，智能体会主动发问，而不是臆断答案。对于运行着关键业务的大型机系统来说，这种审慎态度至关重要——一次错误的猜测可能带来严重的生产事故。

MCP（Model Context Protocol）服务器是一种标准化协议层，允许AI智能体与外部工具、数据源及系统进行结构化交互。在大型机场景中，SmartTSXL的MCP服务器充当AI与实际大型机资源之间的桥梁——COBOL是IBM大型机的主流业务编程语言，JCL（Job Control Language，作业控制语言）则用于定义和调度批处理任务，copybook是COBOL程序中可复用的数据结构定义文件。这三类资源共同构成大型机业务逻辑的核心载体，也是理解生产环境的关键入口。能够直接检索这些原始资源，而非依赖文档或人工转述，是该系统声称可信度更高的技术基础。

每一次请求都是可追溯的线程

SMART KS将每个请求都组织成一条完整的「线程」（thread），记录下智能体知道什么、执行了哪些步骤、依据了什么证据、得出了什么结果，并形成完整的审计轨迹。

每个答案都会展示其来源：具体来自哪个程序？哪个copybook？哪个作业（job）？这种可溯源性让分析结果不再是黑箱输出，而是可以被审查、验证和信任的决策依据。对于金融、保险等受监管行业的大型机运维而言，这种透明度和审计能力几乎是刚需。

审计轨迹（Audit Trail）在受监管行业中具有法规层面的强制要求。以金融和保险领域为例，巴塞尔协议、SOX法案（萨班斯-奥克斯利法案）等合规框架要求机构能够证明关键系统变更或决策的来龙去脉。传统AI问答工具的最大合规缺陷，正是无法事后重现"AI为何给出这个答案"。SMART KS将智能体的推理路径、调用资源和结论一并归档为线程记录，使得每一次AI辅助决策都具备可解释性和可回溯性，从而将AI输出从"参考意见"提升为可纳入合规体系的有据可查的分析结论。

一键将结果固化为知识

SMART KS最具特色的功能是「知识固化」：一个出色的分析结果，只需一次点击就能转化为企业知识。业务规则、操作流程、经过验证的分析——一次发现，长久保留。

更进一步，系统还能「采访」企业专家，在资深员工离职之前，捕获其积累25年的专业技能与隐性知识。对于严重依赖老一代工程师维护大型机系统的企业来说，这种知识传承能力直击行业痛点。大型机技术人才日益稀缺，经验流失是许多机构面临的真实危机。

隐性知识（Tacit Knowledge）的流失是大型机行业面临的结构性危机。据IBM及多家行业机构的研究，全球约有220亿行COBOL代码仍在生产环境中运行，支撑着银行、政府、航空等关键基础设施，而熟悉这些系统的工程师群体正以每年加速的节奏退休。这类知识难以文档化，往往只存在于工程师的直觉与经验中——比如"这段JCL在月末结算时必须按特定顺序执行"背后的历史原因。系统通过结构化"采访"专家，将这类隐性经验转化为可检索的显性知识，本质上是一种知识管理（Knowledge Management）方法论与AI能力的结合。

自动化带来的全天候运维

SMART KS通过自动化保持全天候运转。凌晨4点一个作业失败，等运维人员上班时，修复方案已经准备就绪。用户可以同时启动10项调查，而系统只会就其中真正需要人工介入的两项发出提醒。

这种「按需提醒」的设计体现了对运维人员注意力的尊重，避免了告警疲劳。关键在于——每一次回答都让下一次更聪明，系统在持续积累中形成正向飞轮，知识越用越丰富。

结语：知识资产化的大型机运维思路

SMART KS代表了一种值得关注的产品思路：不是用AI替代人，而是把AI每一次有价值的输出都沉淀为可复用、可审计、可传承的组织知识。在大型机领域人才断层、系统陈旧而又不可或缺的背景下，这类工具的实际价值值得企业评估。

需要说明的是，本文基于InCommData官方宣传素材整理，产品的实际表现、检索准确度与知识管理效果仍有待真实场景中的验证。