知识语料库模式

知识语料库模式

学习目标

读完本章后，你将能够：

• 理解知识语料库的四阶段生命周期
• 设计基于过滤条件的记忆筛选管线
• 实现语料库注入和知识 Agent 会话的创建
• 评估语料库更新和刷新的策略

核心概念

从记忆到知识

记忆系统积累的大量观察和摘要，本质上是一个项目经验数据库。知识语料库模式将这些原始记忆转化为可查询的领域知识：

1. 筛选：按类型、概念、文件、日期等维度过滤出相关记忆
2. 构建：将筛选结果组织为结构化的语料库
3. 注入：创建专用 AI 会话，将语料库内容注入为上下文
4. 查询：用户通过问答与语料库交互，Agent 基于语料库知识回答

四阶段生命周期

阶段 1：构建（build_corpus）

定义筛选条件，从记忆中提取相关观察：

筛选维度	示例
类型	bugfix,refactor,feature
概念	authentication,session
文件	src/auth/middleware.ts
项目	my-project
日期范围	2026-01-01 至 2026-05-28
语义搜索	”authentication bug”

构建结果是一个持久化的语料库定义，包含名称、描述和筛选条件。

阶段 2：注入（prime_corpus）

创建一个专用的 AI Agent 会话，将语料库中的所有观察注入为上下文。这相当于给 Agent 做一次”领域知识培训”。

注入完成后，Agent 拥有了该领域的背景知识，可以回答相关问题。

阶段 3：查询（query_corpus）

用户向已注入的语料库提问。Agent 基于语料库中的知识回答，而非依赖通用训练知识。

阶段 4：刷新（rebuild + reprime）

当记忆中新增了相关观察时：

• rebuild_corpus：重新运行筛选，包含新观察
• reprime_corpus：创建新的 AI 会话，清除旧对话上下文

设计决策

语料库 vs 直接搜索

维度	直接搜索	语料库
适用场景	临时查询	持续领域专精
知识范围	全部记忆	筛选后的子集
上下文注入	每次查询单独注入	一次性注入，持久有效
维护成本	低	需要定期 rebuild

语料库大小控制

• 过小的语料库：知识不足，回答质量低
• 过大的语料库：注入 token 过多，可能超出上下文窗口
• 建议：通过 limit 参数控制最大观察数量（默认 500）

设计权衡

优势

• 领域专精：Agent 可以深度了解特定子系统的历史和决策
• 可复用：语料库一旦构建，可被多次查询
• 可更新：通过 rebuild 保持语料库与最新记忆同步

代价

• 维护开销：需要定期 rebuild 以保持时效性
• 注入成本：prime 阶段需要消耗大量 token 注入全部知识
• 知识漂移：如果长期不 rebuild，语料库可能过时

替代方案

方案	优势	劣势
每次搜索	总是最新	每次都需要注入
知识语料库（本方案）	一次注入，多次查询	需要维护时效性
向量化知识库	语义检索、可扩展	需要向量基础设施

参考来源

• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks