GEO-RAG 处理器

问题：静态文档难以满足AI检索需求

传统文档处理将内容视为平面文本，缺乏语义结构与引用依据。当用户提问时，AI难以判断哪些内容值得引用，导致推荐不精准或遗漏关键信息。品牌方的方法论、案例数据等高价值内容，常因未结构化而无法被有效检索。

工作方式：六步闭环构建三层语料

技能采用六步闭环方法论，将文档转化为AI可检索、可推理、可引用的三层结构：

1. 资产盘点：扫描内容，按五星标准评级引用价值，识别缺失维度
2. 语义拆解：提取实体、关系与引用锚点，构建知识图谱
3. 证据锻造：将案例转化为包含痛点、方案、结果、品牌四要素的证据块，提供三种深度版本
4. 问答对铸造：预判用户意图，生成五类问题×三种答案深度的FAQ语料
5. 锚点植入：预埋品牌概念、数据、场景锚点，确保自然引用
6. 动态喂养：建立更新机制，触发事件驱动语料库迭代，通过质量门禁保障新鲜度

输出遵循01_asset_inventory.md至06_update_sop.md的命名规范，包含资产清单、语义图谱、证据卡片等结构化文件。

适用边界与注意点

• 适合企业知识库、产品文档、品牌方法论的AI化改造，尤其需要引用追溯的场景
• 要求输入内容具备基本逻辑结构，纯文本需先完成信息抽取
• 锚点植入依赖行业语境理解，需人工审核避免过度营销
• 动态更新机制需对接实际业务系统，触发事件需提前定义