enrich

必须完成的准备工作

调用 /agent-workflow — 其中包含工作流原则、反模式和 Context Gathering Protocol。继续之前请遵循该协议 — 如果尚无工作流上下文，必须先运行 /teach-maestro。 查阅 agent-workflow 技能中的 knowledge-systems 参考资料，了解 RAG 架构、分块策略和检索模式。

---

添加知识来源，让工作流以事实为依据。缺乏事实依据时，Agent 会产生幻觉；有了事实依据，Agent 就能引用来源。

知识来源评估

确定工作流需要哪些知识：

知识类型	来源	更新频率	访问模式
领域文档	内部文档、规范	每月	语义搜索
代码上下文	代码库	实时	代码搜索
用户数据	数据库、CRM	实时	结构化查询
外部数据	API、网页	实时	API 调用
历史数据	日志、过往交互	每日	时间范围查询

添加 RAG 流水线

对于基于文档的知识（请查阅 agent-workflow 技能中的 knowledge-systems 参考资料）：

1. 选择文档：确定权威来源文档
2. 分块策略：根据文档类型选择分块方式（语义分块优于基于 token 的分块）
3. 生成嵌入：使用适合该领域的嵌入模型
4. 建立索引：将数据连同元数据存储在向量数据库中
5. 检索：实现混合搜索（语义搜索 + 关键词搜索）
6. 注入：将检索到的上下文及来源归属信息添加到提示词中

添加结构化数据

对于由数据库支持的知识：

1. 定义查询接口：自然语言 → 结构化查询
2. 添加防护措施：只读访问、查询复杂度限制
3. 整理结果格式：将原始数据转换为模型可用的上下文
4. 标注来源：在上下文中注明数据来源和新鲜度

添加实时数据

对于实时信息：

1. 确定 API：哪些外部服务能提供所需数据
2. 缓存策略：数据变化频率如何？据此设置缓存
3. 回退方案：API 宕机时会发生什么？
4. 标注来源：注明数据时间戳和来源

丰富内容核对清单

• 每个知识来源都有归属信息（来源、日期、置信度）
• 独立于生成质量测试检索质量
• 针对不同文档类型测试并优化分块大小
• 为所有外部知识来源设置回退方案
• 知识库具备刷新/更新策略
• 妥善处理知识来源中的 PII

推荐的下一步

丰富内容后，运行 /evaluate 测试检索质量，或运行 /iterate 设置知识新鲜度的持续监控。

绝不：

• 未经筛选就索引所有内容（输入垃圾，输出也会是垃圾）
• 省略来源归属信息（不标注来源的幻觉无法检测）
• 不先测试检索质量就构建 RAG
• 对所有文档类型使用固定的分块大小
• 假定嵌入相似度就等于相关性