knowledge-base-manager

知识库管理器

概述

提供一套结构化方法，用于选择、设计和治理知识库。涵盖架构决策（基于文档、基于实体或混合架构）、内容整理、质量指标、版本管理策略和维护治理。适用于选择知识库架构、建立内容整理工作流，或构建组织知识治理流程。

不适用场景： 静态文档已足够；少于 50 个常见问题条目即可涵盖所有问题；或没有可用的维护资源。如需实现检索流水线（分块、嵌入、向量存储），请使用 rag-implementer skill。如需实现知识图谱（本体、实体提取、图数据库），请使用 knowledge-graph-builder skill。

快速参考

方面	选项	主要考虑因素
架构	基于文档（RAG）、基于实体（Graph）、混合架构	与查询模式匹配；从简单方案开始，按需增加复杂度
基于文档	向量数据库（Pinecone、Weaviate、pgvector）	最适用于文档、常见问题、手册；支持语义搜索；易于添加内容
基于实体	图数据库（Neo4j、ArangoDB）	最适用于组织结构图、目录、网络；支持关系遍历
混合架构	两者 + 链接层	适用于企业、医疗、法律领域；支持组合查询；复杂度最高
跳过知识库的场景	静态文档、少于 50 个常见问题条目	没有维护资源，信息从不变更
实施	6 个阶段	审计、整理、存储、质量、版本管理、治理
准确率目标	测试问题准确率 >90%	创建 100 个以上具有已知正确答案的测试问题
覆盖率目标	可回答的问题占比 >80%	持续根据真实用户查询进行验证
新鲜度目标	平均内容年龄 <30 天	自动监控新鲜度 + 定期更新
一致性目标	无冲突内容占比 >95%	去重 + 单一事实来源
查询延迟	中位数 <100ms	针对常见访问模式进行缓存和优化
存储技术	pgvector、Pinecone、Weaviate、Chroma	已有 Postgres 时使用 pgvector；需要托管扩展时使用 Pinecone
索引类型	HNSW、IVFFlat	HNSW 注重召回率；IVFFlat 适用于频繁重建的索引
摄取流水线	加载、清理、分块、嵌入、存储	按语义边界分块；最多 512 个 token；重叠率 10-15%
去重	内容哈希、语义相似度	使用哈希检测完全重复项；使用余弦相似度 >0.95 检测语义重复项
质量测试	Recall@K、MRR、准确率抽样	100 个以上测试问题；测量 recall@10 >0.8 和 MRR >0.7
漂移检测	嵌入分布监控	跟踪均值偏移；超过 0.1 阈值时发出警报
版本管理	快照、事件溯源、Git 风格	简单场景使用快照；审计场景使用事件溯源；团队协作使用 Git 风格
维护	每日、每周、每月、每季度	从第 1 天起制定计划；监控错误和用户反馈

常见错误

错误	正确做法
未经整理或规范化就摄取原始数据	在摄取前进行整理、清洗和去重；质量重于数量
跳过知识库内容的版本控制	从第一天起就实施版本管理，并支持回滚和审计跟踪
构建知识库时未根据用户问题进行验证	从用户调研开始，并针对真实查询进行测试，准确率达到 >90%
文档型架构足以满足需求，却选择混合架构	根据实际查询模式选择架构；从简单方案开始，在需要时再增加复杂度
发布时未监控内容时效性，也未安排更新计划	设置自动化时效性检查和定期内容审查
知识条目没有来源跟踪	始终记录来源 URL、时间戳、作者和置信度分数
不同来源的信息重复	建立唯一事实来源；合并相似条目，并制定冲突解决规则
追求完美导致发布延期	在覆盖率达到 80% 时发布，并根据实际使用数据进行迭代

委派

• 审计现有知识来源并对内容类型分类：使用 Explore Agent 清点文档、评估质量并找出缺口
• 实现端到端知识库流水线，包括存储和检索：使用 Task Agent 部署数据库、配置搜索并运行质量检查
• 设计知识库架构和治理模型：使用 Plan Agent 在文档型、实体型或混合方案之间做出选择

要实现文档检索流水线（分块、嵌入、向量存储、混合搜索），请使用 rag-implementer 技能。要实现知识图谱（本体设计、实体提取、图数据库），请使用 knowledge-graph-builder 技能。

参考资料

• 架构和类型 -- 知识库类型、决策框架、知识分类
• 整理和摄取 -- 提取、清洗、去重、来源跟踪
• 存储和检索 -- 数据库选择、接口、技术栈
• 质量控制 -- 指标、验证策略、持续监控
• 版本管理 -- 快照、事件溯源和 Git 风格的方法
• 治理 -- 维护计划、角色、变更流程