四萬封郵件，變成可點來源的頁面
this+that 的 Enron Brain 展示一種做法：把 45,047 封公開 Enron 郵件交給 AI，產出 214 頁關於公司往來對象（監管機構、銀行、對手方等）的說明。官方宣稱：
- 每個事實都引用它來自的那封郵件
- 當郵件顯示某件事不再成立時，頁面會在該日期標成失效（expire）
- 沒有人編輯過任何頁面或事實內容
語料本身是美國聯邦能源監管委員會（FERC）調查時公開、卡內基美隆大學自 2003 年起維護的公開郵件集，方便任何人核對。本文把它當「可溯源 AI 輸出」示範，不展開八卦或指控細節。
時間軸滑桿：當年「當時知道什麼」
首頁列出語料中討論最多的組織，例如 FERC（1,501 則相關訊息）、General Electric（1,499）、Pacific Gas and Electric（773）、Dynegy（593）等。每個實體頁有日期滑桿：拖到某一天，只顯示截至該日已知的事實；短暫成立的事實會在眼前過期。
事實是「帶日期與來源的句子」，不是員工人數、營收這類適合放進 CRM 欄位的固定欄。作者把這類腦比喻成公司知識的「中間層」：變動太快、或不適合塞進欄位的敘述，放在這裡。
管線怎麼選「值得做一頁」
官方描述四步：找類型、找實體、建頁、驗證；後兩步有第二個 AI 做抽樣稽核。管線曾提出 57 種窄類型，人工留下 54 種。幾乎都是組織類，再粗分成公司／監管／律所／銀行等。
另找到 78 個產品與平台、76 個設施與市場點、49 個事件，但沒有全部做頁。對 Enron，他們只給「至少出現在 25 則訊息」的組織，以及 Enron 內部最常討論的五個單位／系統做頁。真實公司知識庫通常不會用計數硬切：今天才簽約、只來過一兩封信的客戶，仍可能值得建頁。
你能學到的產品設計
這份 demo 對做內部知識庫或「AI 寫報告」的人較有用的點：
- 一句一來源：每個斷言綁回原始郵件，方便人工抽查。
- 事實會過期：不是永遠正確的 wiki，而是帶時間的知識狀態。
- 類型要人定：哪些實體值得建頁，仍是配置問題，不是全自動。
- 用公開語料驗：選大家都能查的語料，降低「AI 亂編」的信任成本。
本文建議：若你要做客服、合規或研究助理，可先要求「每句附來源連結」與「過期標籤」；再用一小批真實郵件抽測。完整故事仍應回原始郵件與公開史料，而不是只讀 AI 摘要頁。
