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：

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）

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：

从页面 frontmatter 的 sources: 拿到原材料路径
去 00-原材料/ 读原文件
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"：

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

**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：

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：

> 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

SKILL.md 5.3 KB História Raw