---
name: kb-query
tags: [knowledge-base, retrieval, routing, rag]
creator: 传鹏
description: |-
  知识库检索路由。按"索引 → 摘要 → 全文 → 原文"四级递进定位，用最少的读取回答用户问题，并给出出处与缺口。

  触发词：库里有没有、查一下、找资料、关于XX的资料、知识库里怎么说、之前整理的、有没有写过
---

# 知识库检索

## 铁律

**禁止一上来 `grep` 全库，更禁止把整个库读一遍。**
库的规模会长到几百页，暴力检索既慢又容易把不相干的内容混进答案。

按成本从低到高，命中即停：

---

## Level 0 · 业务地图（成本≈0）

读 `10-知识库/index.md` 的「业务地图」段。

用户的问题如果能映射到某个业务分区（市场/客户/内容/交付），直接跳去看那个分区的页面。

命中就停在 Level 1。

---

## Level 1 · 目录索引（成本≈读 200 行）

读对应目录的 `_index.md`：

```
10-知识库/topics/_index.md      主题结论
10-知识库/sources/_index.md     原始资料摘要
10-知识库/entities/_index.md    实体
10-知识库/modules/_index.md     课程模块
```

表格里每行有「一句话」和「标签」，扫一遍就知道该读哪几页。

---

## Level 2 · 摘要与标签（成本≈读 frontmatter）

如果 Level 1 没命中，按关键词在 frontmatter 里找：

```bash
grep -rn "关键词" 10-知识库/*/  --include="*.md" | grep -E "title|summary|tags|aliases"
```

`aliases` 字段是同义词的藏身处 —— 用户说"内训"，页面可能叫"企业培训"。

---

## Level 3 · 全文（成本≈读匹配行）

```bash
grep -rn "关键词" 10-知识库/ --include="*.md"
```

只读匹配行 + 前后 3 行，不要整篇读。

---

## Level 4 · 逐页精读（成本最高）

只读 Level 1–3 挑出来的 1–5 页。读的时候注意：

- `stale: true` 的页 → 先看 `stale_reason`，答案里必须提示"这条依据可能已过期"
- `status: draft` 的页 → 标明"草稿，未经确认"
- frontmatter 的 `sources` → 这是引用出处

---

## Level 5 · 回原材料（兜底）

知识库是原材料的**加工品**，可能丢细节。如果用户要的是原文措辞、完整数据表、合同条款：

1. 从页面 frontmatter 的 `sources:` 拿到原材料路径
2. 去 `00-原材料/` 读原文件
3. 答案里注明"引自原始文件，知识库摘要未覆盖这一层细节"

---

## 库改了怎么办

用户问的东西如果**库里没有**，先别急着说"没有"：

```bash
python 90-工具/kb.py status
```

如果 `待处理新增 > 0`，说明料在库里但还没整理 —— 这时候应该说：

> "库里还没整理这块，但 `00-原材料/02-客户与需求/` 里有 3 个未入库文件看着相关，我现在同步一下再答？"

而不是"没有相关资料"。

---

## 回答格式

```md
**结论**
（先给答案，2–3 句，不要绕）

**依据**
- 2026 年市场规模 380 亿，增速 42% —— `topics/AI培训市场.md`（源：《2026 AI 培训白皮书》）
- 客户普遍接受 3 天 2 晚 —— `sources/某银行内训需求.md`

**置信度**
高 / 中 / 低 + 一句话理由

**缺口**（有才写）
- 缺 2025 年的对比数据，建议补一份行业年报
```

**没有出处的内容一律不写进「依据」。** 模型自己的常识如果非要用，单独放一段叫「补充（非库内资料）」。

---

## 第 6 步 · 沉淀（把所有好答案变成库存）

**这一步不做，这个库永远只是原材料的复印件。**

RAG 和 wiki 的根本区别在这里：RAG 每次问都从零拼一遍，答完就没了；wiki 把答过的东西留下来，下次直接引用。

### 什么值得写回

| 值得 | 判断标准 |
|---|---|
| 综合了 ≥3 个来源的分析 | 下次再问还要再翻 3 个源，不写就是浪费 |
| 一次对比、选型、取舍 | 「A 方案还是 B 方案」这类结论最值得留 |
| 发现了原本没记的关联 | 「原来这个客户和那门课是一回事」 |
| 会被反复问的问题 | 销售、讲师、新人都会问的那种 |

不值得：一次性事实查询（「那个文件在哪」）、库外常识、还没结论的探索。

### 怎么写回

新建或并入 `10-知识库/topics/<主题>.md`，frontmatter 加一个字段：

```yaml
derived_from: "query"      # 标记这页源自一次检索，不是从原文件直接整理
evidence: "C"              # 取所引来源的最低级 —— 检索不会提高证据强度
```

正文开头注明来路：

```md
> 本页由 2026-11-04 的一次检索整理而成，依据 `sources/白皮书.md`、`sources/客户访谈.md`。
> 不是原始结论，是综合判断，引用时请回溯来源。
```

然后 `kb.py mark` 不用跑（没有新源），但**必须 `kb.py graph`**，否则索引不知道多了这页。

### 沉淀的复利

一个做了半年课的库，应该是：源文件 200 份，知识页 500+，其中至少三分之一是历次问答沉淀下来的。

**只有源、没有沉淀的库，用一年也还是那 200 份文件的目录。**

---

## 常见错误

| 错误 | 后果 |
|---|---|
| 把 `_index.md` 的摘要当正文答 | 丢细节，且可能引用过期摘要 |
| 忽略 `stale` 标记 | 拿作废数据做决策 |
| 库里没有就编一个 | 做出来的课站不住 |
| 引用页面但不给出处 | 用户无法复核，失去信任 |