知识库分层编排：从 RAG 到 Agent-native Knowledge Context Layer

从一个知识库检索超级微服务高级skill开始的思考。

RAG（Retrieval-Augmented Generation）是当前最流行的知识库方案：把文档切成 chunk → embedding → 用户 query 时向量检索 Top-K → 喂给 LLM 生成答案。

这个方案在简单问答场景下表现尚可，但在工程知识库场景中有三个结构性缺陷：

缺陷一：每次从零推导。 正如 Karpathy 在 LLM Wiki 设计文档中指出的——"the LLM is rediscovering knowledge from scratch on every question. There's no accumulation."（LLM 在每个问题上都从头重新发现知识，没有任何积累。）问一个需要综合 5 篇文档的问题，LLM 必须每次都找到并拼接这 5 个片段，没有任何中间成果被保留。

缺陷二：无法连点成线。 Microsoft GraphRAG 的研究明确指出 baseline RAG 的两个失败模式：一是"struggles to connect the dots"——当答案需要通过共享属性连接分散信息时，平坦的向量检索无能为力；二是"performs poorly when being asked to holistically understand summarized semantic concepts over large data collections"——无法对大规模语料做全局性的语义理解。

缺陷三：粒度混乱。 一个 chunk 可能是"系统设计原则"，也可能是"某个函数的第 42-143 行实现"。向量空间不区分抽象层次——"设计原则"和"代码实现"在语义上可能很近（都包含"单一职责"关键词），但它们服务于完全不同的认知需求。

无论团队规模大小，知识库都会出现这些症状：

• "搜什么都是那几篇" —— 高词频长文档垄断 Top-K 结果
• "找到了但不是我要的层次"—— 想知道"是什么"，返回了"怎么实现"
• "改了一个地方不知道影响什么" —— 文档之间没有关联关系
• "新人不知道从哪看起" —— 没有阅读路径和导航结构

这些症状的共同根源：知识库缺少结构。 向量检索把知识当成"一袋词"，而工程知识是"一棵树"和"一张图"。

当前主流的知识库构建方法论可以分为 4 个范式，每个范式代表了对"知识应该如何组织"的不同回答。

核心思想：文档 → chunk → embedding → 向量数据库 → 相似度检索。

源文档 → 分块(chunking) → 向量化(embedding) → 存入向量DB查询 → 向量化 → Top-K 相似度匹配 → 拼接 prompt → LLM 生成

优势：实现简单，无需预处理，直接可用。
局限：默认配置下无积累、无关联、无层次、无角色区分。每次查询都是一次性的，知识不会随使用变得更好。（注：现代 RAG 可通过 metadata filter、rerank、hybrid search、ACL、query routing 等手段弥补部分缺陷，但需要额外工程投入。）

代表产品：大多数企业知识库、ChatGPT 文件上传、NotebookLM 的基础模式。

核心思想：LLM 不只是检索者，而是知识的维护者。知识被"编译一次并持续维护"，而非每次查询时重新推导。

这是 Andrej Karpathy 提出的知识库模式（LLM Wiki Pattern[1]），核心洞察是：wiki 是一个持续积累的工件（persistent, compounding artifact）。交叉引用已经建好，矛盾已经被标记，综合分析已经反映了所有已读内容。

三层架构：

三个核心操作：

• Ingest：新源文档进入 → LLM 通读 → 写摘要页 → 更新索引 → 修订所有相关的实体和概念页面。一次 ingest 可能触及 10-15 个 wiki 页面。
• Query：通过 index.md 定位相关页面 → 读取 → 综合带引用的回答。关键机制：好的回答可以反哺为新的 wiki 页面，让探索也成为知识积累。
• Lint：定期健康检查——矛盾、过期声明、孤立页面、缺失概念、断裂的交叉引用。

为什么 wiki 维护不会崩塌？ Karpathy 指出了人类维护 wiki 失败的根因："Humans abandon wikis because the maintenance burden grows faster than the value."（人类放弃 wiki 是因为维护负担增长快于价值。）LLM 显著降低了这个瓶颈——它做摘要、交叉引用、归档、记账，维护成本远低于人工。但 LLM 维护仍有局限：可能产生过期引用、内容冲突、错误归档和幻觉风险，需要人类定期审核。人类的角色转变为策展、方向指引、深度思考和质量把关。

局限：wiki 页面之间的关联是通过 wikilink 手动维护的，没有自动的关系推断和社区检测。适合中等规模（~100 源文档）的知识库。

核心思想：把代码库、文档、配置文件、设计稿等异构资源统一映射为一张可查询的知识图谱。

Graphify[2] 采用双管道提取：

• AST 管道（离线）：通过 tree-sitter 对多种编程语言做本地解析，提取函数、类、模块、导入等代码实体。不调用任何外部 API。
• 语义管道（LLM）：对文档、PDF、图片、视频等非代码内容做 LLM 语义提取，生成概念节点和关系边。

三个产出物：

独有能力：

• God Nodes：系统中连接度最高的概念枢纽
• Surprising Connections：意料之外的跨模块关联，按"意外程度"排序
• Knowledge Gaps：图谱自动发现的知识缺口
• 置信度三档：每条关系标记EXTRACTED（直接观察）/ INFERRED（逻辑推导）/ AMBIGUOUS（不确定），保证可追溯性

与传统文档的本质区别：传统文档是线性的、静态的、按文件隔离的；Graphify 把代码+数据库+配置+设计文档+媒体统一到一张图里——一个 SQL schema 节点可以直接连接到查询它的应用代码和解释它设计理由的 PDF。

局限：图谱擅长关联分析（"A 和 B 有什么关系"），但不擅长直接问答（"这个接口的参数是什么"）。图谱是知识的骨架，不是知识本身。

核心思想：先构建知识图谱 → 社区聚类 → 生成分层摘要 → 查询时结合图结构和社区摘要回答。

Microsoft GraphRAG[3] 是对 Naive RAG 的结构化升级：

源文档 → 实体/关系提取 → 构建知识图谱    

→ Leiden 算法社区聚类 → 分层社区摘要    

→ 查询时: Global Search(社区摘要) / Local Search(实体邻域)

两种查询模式：

• Global Search：利用社区摘要做全局推理——"整个代码库的设计模式有哪些？"
• Local Search：从特定实体出发，沿图谱边扩展到邻域——"UserService 关联了哪些组件？"

解决了 Naive RAG 的两个痛点：通过图结构"连点成线"，通过社区摘要实现"全局理解"。

局限：构建成本高（需要大量 LLM 调用做实体提取），增量更新困难，对源文档质量敏感。

观察上述 4 种范式，每种都有明确的强项，但都缺少一个关键能力：层次感知 + 角色适配。

• Naive RAG 没有层次
• LLM Wiki 有主题分页但无抽象层级
• Graphify 有社区但无稳定性/粒度区分
• GraphRAG 有分层社区但无角色映射

金字塔知识库补上了这一环：把知识按稳定性和抽象度分为 5 层，每层服务不同的认知需求和角色。

分层的核心价值：检索时先确定"用户在问哪个层次的问题"，再在该层内精确定位。这显著降低了粒度混乱——减少在回答"为什么"的时候返回"怎么实现"的情况。（分类错误、跨层问题和混合查询仍可能发生，但影响范围被控制在单层内。）

金字塔不只是 5 个独立的文件夹。每篇文档是一个节点，文档之间通过 7 种有向边关联：

这形成了一个有向图，支持：

• 上溯：从实现追溯到它遵循的原则和架构
• 下探：从原则推导出应该怎么实现
• 反馈环：运维经验反哺改进规范和实现
• 场景路径：预定义的跨层阅读路径（如"新人 Onboarding：L1→L2→L3→L5"）

金字塔的另一个独有设计是角色-层级访问矩阵：

同一个知识库，架构师看到的是 L1+L2（原则和架构），开发者看到的是 L2+L3+L4（架构、规范和实现）。每个角色有独立的 context_budget 和 priority_order，系统按优先层顺序逐层填充内容直到预算用完，确保有限的 context window 里优先塞入该角色最需要的知识。

金字塔的检索方式与传统向量检索有本质区别。向量检索是**"从所有文档中找最像的"，金字塔是"先确定去哪层找，再精确定位"**。

当前实现：分层关键词打分 + 图谱扩展

关键设计：所有检索在本地完成，无需网络调用。分层结构将搜索空间从全量文档缩小到角色可访问的层级子集，图谱扩展自动补充上下游关联。

Roadmap：未来计划引入 layer-registry 索引机制（服务名/概念关键词 → 文档 ID 的速查表），实现摘要直答和更精确的结构化路由，进一步减少对全文扫描的依赖。

与向量检索的机制对比

核心优势：金字塔通过分层 + 角色过滤将搜索空间大幅缩小，再通过图谱扩展补充关联上下文，全程无网络调用。代价是需要预先构建金字塔结构。

最优组合：金字塔做分层定位（0 API 调用）→ 向量检索补代码级深度（1 API 调用）= 结构化导航 + 精确细节的互补。

金字塔不是替代其他范式，而是在顶层增加了一个结构化的路由和导航层：

金字塔 19 篇文档是 831 篇源文档（831篇我们团队的基础知识库文档，还再不断的补充）的"索引+摘要+导航图"，让 AI 知道该去哪里找、按什么顺序读、给谁看哪些。

知识库最大的敌人不是"没有内容"，而是"内容过期"。过期的文档比没有文档更危险——因为它给你错误的信心。

腐烂的三种形式：

一个判断标准：如果团队新人按知识库操作后会踩坑，这篇文档就已经腐烂了。

解决腐烂的关键不是"定期检查所有文档"（做不到），而是让知识的新鲜度可度量。

原则一：每层有不同的保鲜周期

不是所有知识都需要同频维护。越接近塔顶越稳定，越接近塔底越需要更新：

原则二：用审计发现问题，而非人工巡检

人工巡检不可持续。正确做法是建立可自动化的审计指标：

原则三：变更驱动更新，而非日历驱动

最有效的触发机制不是"每月检查一次"，而是绑定到已有的工作流：

Phase 1 审计 → 扫描覆盖率 / 检测过期文档 / 输出 gaps

Phase 2 摄入 → 加载源文档 / 分块 / 分类 / 去重(skip/update/move/write)

Phase 3 后审计 → 对比 Before/After 覆盖率改进

去重四策略（checksum + entry ID 双重校验）：

• 知识库规模：831 篇源文档，覆盖 14 个代码服务、5 个业务域，源自内部一个中等规模工程团队的技术文档
  
• 评测数据集：200 条 QA pair，覆盖服务定位、架构概念、代码细节、运维排障、跨服务关联、导航 6 个维度，由 LLM 生成后人工审核，每条标注 ground truth 文档 ID
  
• 评测指标：采用 RAGAS（Retrieval-Augmented Generation Assessment）标准框架，包含 Hit@K、MRR、Context Precision、Context Recall 四项检索指标，以及估算的 Faithfulness 和 Answer Relevancy 两项生成指标
  
• 检索模拟：C/D/E/F 模式使用关键词匹配模拟各系统的检索逻辑（非实际部署的检索引擎），A 模式基于 8 条 searchDocChunk API 实测样本估算

• 单评估者（项目作者）、非盲评、评测集由 LLM 生成可能存在分布偏差
• 仅在单一团队知识库上测试，结论是否跨团队通用需验证

测试模式

Query 类型分布：

检索指标结果

分维度表现（Hit@3）

最终的目标很简单：程序员问一个问题，AI 能在 3 秒内返回正确层次、正确角色、正确关联的答案——而不是 5 段不相关的文本。