技能介绍

它解决什么问题

企业把知识沉淀到 Milvus 向量库之后，常见的问题是：Agent 不知道如何把「提问」「上传资料」「查看文档」这几件事映射成对后端的真实调用。如果让每个上层应用各自拼 URL、管鉴权、处理异步任务轮询，职责很快会混乱——有的地方自己去做向量检索，有的地方又绕回 LLM 兜底，回答质量参差不齐。

Super Brain Skill 的思路是把这件事拆干净：Skill 只作为薄入口，负责判断用户需要什么操作；真正的检索、入库、任务编排、鉴权和存储细节，全部交给 super_intelligent_brain 后端。

它如何工作

核心是一个 Python 客户端 scripts/super_brain_client.py，所有后端调用都通过它发出。客户端从环境变量读取配置：

SUPER_BRAIN_BASE_URL：后端服务地址
SUPER_BRAIN_SKILL_AUTH_HEADER / SUPER_BRAIN_SKILL_AUTH_CODE：鉴权请求头与凭证
SUPER_BRAIN_TIMEOUT_SECS：请求超时时间

默认工作流按用户动作划分：

提问已有企业知识：调用 ask
上传或登记新材料：调用 ingest
ingest 为异步任务时：先返回 job_id，用户追问进度再调 get_job
查看可访问的库或文档：调用 list_kbs、list_docs 或 get_doc

范围选择上，团队级且已存在于共享 Milvus collection 的知识优先走 shared；只属于单个用户的数据，或用户明确要求个人库时走 private。使用 shared 时，若宿主能提供 team_id，应一并发送，请求才能落到对应团队范围的库。

需要注意的点

回答来源必须如实区分：后端返回带引用的知识型答案时直接呈现；若返回的是 fallback LLM 答案、且提示知识库无命中，要向用户说明，不能装作来自知识库。如果宿主要求只允许知识来源的回答，在 ask 中设置 strict_kb=true。安装配置、请求映射与具体示例可参考技能内的 references/ 文档。