lbql-yhl Knowledge Document Search
目标
只从知识库检索到的文档片段回答问题，不把模型常识当作企业事实。回答保持简洁，并在关键结论后保留来源引用。
检索流程
- 接收已登录用户的问题，并先检查用户当天的 10 次咨询额度。
- 使用向量检索从
knowledge_docs集合获取相关片段；没有命中时明确告知用户。 - 将当前用户的长期策略摘要和最近问题作为“回答风格上下文”，但永远以文档片段为事实来源。
- 生成不超过 150 字的要点式回答，返回
answer_id和可点击的来源信息。 - 每次完成回答后请求 1-5 星评分。低于 5 星必须收集至少 10 个字符的原因。
记忆与持续学习
- 每个用户拥有独立的
assistant_memory，保存从低分反馈中提炼出的长期回答策略。 - 每条问题与回答写入
answers，用于短期上下文和可追溯反馈。 - 低分反馈写入
feedback与learning_notes；质量改进教练会提炼“本次改进要点”和“更新后的长期策略摘要”。 - 下一次回答会加载该用户的策略摘要，持续改善完整性、准确性、可读性和引用质量。
- 策略不能覆盖文档事实，也不能生成或保存超出必要范围的敏感信息。
质量规则
- 1-4 星：反馈原因必填且长度不少于 10 个字符；保存后必须触发学习总结。
- 5 星：允许不填写原因，但仍记录评分。
- 用户隔离：只读取当前登录用户的记忆、历史回答和反馈。
- 额度由后端原子计数，前端展示只是提示，不能作为安全边界。