# Knowledge Document Search

> 企业知识库 AI 文档检索技能，负责基于当前 Markdown 文档回答问题、引用来源、记录用户反馈并持续优化回答策略。

- Skill: `lbql-yhl/knowledge-document-search` (Agent Skill)
- Install (CLI): `npx skillmds@latest add lbql-yhl/knowledge-document-search`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lbql-yhl/knowledge-document-search/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Docs & Writing
- Author: lbql-yhl (https://skillmd.com/u/lbql-yhl)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/lbql-yhl/knowledge-document-search

---


# 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

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。