哮天犬

解决什么问题

面向结构化的领域知识文档，应用常会面临两个实际问题：知识更新后索引未及时刷新，导致召回结果过期；以及如何在保证文档准确性的前提下，将「领域—主题—条目」的约束有效注入 RAG 流程，避免检索阶段引入不相关文档。

本技能以工程化方式处理知识检索与回答优化，把内容权威性始终留在 Markdown 原文上。

核心能力

• 确定性检索优先：普通查询默认使用 knowledge_records.json、--index-dir indexes 和 --retrieval auto，由脚本完成领域、主题和条目的精确限定。
• 索引同步与过期检测：配置 --docs-dir 后，查询入口会刷新 knowledge_records.json，并在指纹变化或 manifest 缺失时自动重建 FAISS、embedding 与 BM25 索引。
• 自定义意图路由：通过 intent_routes.json 为不同意图配置 branch_list、answer、item_list 或 search 动作，避免对向量候选的直接猜测。
• 答案优化与回退：在确定性答案之上调用大模型进行润色与结构化，失败时自动回退到原始结果，不改变事实边界。

适用边界与注意点

• 用户只输入自然语言问题，命令行参数由智能体或维护人员配置。
• 缺少领域或主题时，技能会先返回 clarify，而不是提前进行向量检索。
• skill_memory.py 仅用于别名扩展和提问偏好，不作为知识事实依据。
• 修改知识内容必须更新 Markdown 原文，不能通过记忆绕过。