gyf0311/lorekit/wiki-query

wiki-query

从当前 corpus 回答问题。核心是三层检索决策 + 答案必须标注来源 + corpus 没有就诚实说没有。

When to trigger

• 用户说"查一下 XXX"、"找一下 XXX"、"搜 XXX"
• 用户说"我之前整理过 XXX 吗"、"记得 XXX 吗"、"之前说过 XXX"
• 用户问"关于 XXX 我都有什么资料"
• 用户抛一个概念性问题，且明显在问已有知识库，而不是要上网

不要触发：

• 查询后用户说"把这个记下来" → 交给 wiki-fileback
• 用户给了新外部资料要存 → 交给 wiki-ingest
• 用户在问纯外部新知识且明说不用查库 → 直接 WebSearch / WebFetch（默认仍先查库再联网兜底，见默认查询顺序第 6 步）

默认查询顺序

铁律：先走确定性文本层，不先启动重型召回流程。

默认顺序：

1. rg / lorekit search "<q>" 找精确词、实体名、文件名和短语。
2. Read corpus/index.md 定位知识分区。
3. Read {dir}/_INDEX.md 缩小到候选页。
4. Read 具体 知识库/ canonical page，再按页内 wikilink 追 1-2 跳。
5. 第二级召回（fallback）：1-4 步无命中或明显不足时，lorekit search "<q>" --all

把过程区（_工作台/、_归档/、输出/ 等）纳入召回。命中时照常引用，但必须 标注非 canonical（例如 ⚠ 过程稿：_工作台/草稿/xxx.md，未经入库校验）， 不得当作 Compiled Truth 级证据。转写噪音层（_工作台/转写/）--all 仍排除， 先生点名"去转写里找"才 lorekit search "<q>" --dir _工作台/转写。

1. 联网兜底（web fallback）：1-5 步都无命中（或问题本身涉及库外的新知识 / 时效

信息）时，直接用 WebSearch / WebFetch 联网检索，不要停在"库里没有"。 回答必须分层标注来源：「库内已沉淀」（引用 corpus 页面）vs「联网新查」（给 URL，注明未入库、未校验）。联网结论有长期复用价值时，提议 wiki-fileback / wiki-ingest 入库，由用户决定。

Decision tree

按 query 类型选层：

1. 精确关键词（实体名 / 文件名 / 具体词）

先走 lorekit search "<q>"（ripgrep fallback）。命中就读对应页面。

2. 模糊语义（概念性 / 意图类 / "跟 X 相关的东西"）

• Read corpus/index.md / 知识库/ → AI 按语义选 1-3 个分区
• Read {选中分区}/_INDEX.md → 选具体页
• Read 具体 .md 文件 → 综合答案
• 只有需要完整 provenance 时才打开 原料/
• _工作台/** / _归档/** 不是第一级召回层：知识库层无命中时走 lorekit search "<q>" --all 第二级召回（结果标注非 canonical）；先生点名具体路径时直接读

3. 多跳推理（"A 相关 B 的 C"）

在第 2 步基础上，沿候选页的 [[wikilinks]] 递归遍历 1-2 步，综合。

大部分真实 query 是组合：先精确找锚点（第 1 步），再沿语义展开（第 2 步），最后拉链接（第 3 步）。

Tools to use

• lorekit search "<q>" — 精确 ripgrep/fallback 检索（durable 层）
• lorekit search "<q>" --all — 第二级召回，纳入工作台/归档等过程区
• Read corpus/index.md / {dir}/_INDEX.md / 具体文件
• 底层：Grep（复杂匹配时用）

Output format

综合答案时必须遵守：

1. 每条信息标注来源 [[页面名]]，用户能直接跳过去
2. 如果 corpus 没相关内容，诚实说"corpus 里没有关于 XXX 的内容"，永远不要瞎编
3. 给出检索路径（可折叠），方便用户判断是不是漏了
4. 末尾主动提议 fileback（见下一节）

铁律：源页面 wikilink 必须真实存在；不要生造页面名。

溯源铁律（answer provenance）

每个核心结论必须追溯到具体的 知识库/摘要/<slug>.md（即 source 页），禁止只引 concept 页。原因：

• concept 页是 compiled truth（综合产物），不是证据
• source 页才是带 raw_sha256 的原始证据
• 只引 concept 页会让读者无法反查原文，属于"二手转述"级别的信任

正确姿势：[[知识库/概念/RAG]] 定义了 RAG（引自 [[知识库/摘要/lewis-2020-rag]], [[知识库/摘要/rag-survey-2024]]） — concept 页提供语义锚点，source 页提供证据。

结论：每条核心论点必须至少有 1 个 `知识库/摘要/` 引用；只有 concept / entity 没有 source 的引用不算完整答案。

Confidence 标注（答案末尾必加）

答案末尾必须列出"Confidence Notes"节，展开每条核心引用的 confidence 级别：

---
 
### ⚠ Confidence Notes
 
| 引用 | Confidence | 备注 |
| --- | --- | --- |
| [[知识库/概念/RAG]] | high | 5+ sources，先生已确认 |
| [[知识库/概念/HyDE]] | medium | 3 sources |
| [[知识库/摘要/xxx]] | low | 单源，未经交叉验证 |

• low / medium confidence 的引用必须显式出现在 Confidence Notes 节——先生读到这里才知道"这个结论只有一个来源，慎用"
• 答案正文里也可用视觉提示（如 ⚠）标出 low confidence 的引用
• 若所有引用都是 high confidence，仍要输出此节，说明"全部 high confidence"

输出格式分流（按问题类型）

根据问题类型选输出形式（先生在问题里明示或你合理推断）：

注意：复杂输出（Marp / matplotlib）落盘规则见下方 outputs 回盘小节；不是每次都要落盘，只有先生确认"值得留存"或价值门槛达到才落。

Outputs 回盘（复用价值触发）

如果答案满足以下任一复用价值条件，自动写入 corpus/输出/问答/YYYY-MM-DD-<slug>.md：

• 跨多页综合的比较表 / 对比矩阵
• 深度分析（非单源复述、有新综合见解）
• 结构化清单（未来还会查第二遍）
• 先生明确说"这个答案存一下"

落盘规范：

• 路径：corpus/输出/问答/YYYY-MM-DD-<slug>.md
• frontmatter 必填 graph-excluded: true（系统文件隔离，不进图谱）
• 同时更新 corpus/index.md 的 Recent Synthesis 列表（在对应受控区追加一行）

不落盘的情况：单条事实查询（如"XX 的作者是谁"）、临时探索、corpus 里没找到答案。

log 追加

query 结束后，在 corpus/log.md 末尾追加一行：

## [YYYY-MM-DD HH:mm] query | <question 一句话简述>

用于先生回看"这个月都查了什么"。

Query → Fileback 闭环（核心 UX）

综合答案本身是新的知识产物——它把 corpus 里分散的信息组合成了一个新的结论。这个结论 如果不存回去，下次还要重新综合一遍，浪费认知。所以 wiki-query 的标准输出末尾必须带一个 明确的 fileback 提议，让用户一句话决定要不要把今天的结论存回 corpus。

输出模板：

根据你的 corpus：
 
{综合答案，每条带 [[页面]] 引用}
 
引用来源：[[页面 A]] · [[页面 B]] · [[页面 C]]
 
---
💾 要把这个答案存回 corpus 吗？(Y/N)
  Y → 我会触发 `wiki-fileback`，按主语追加 timeline 条目
  N → 结束（不保存）

分支：

• 用户回 Y → 交给 wiki-fileback，输入是刚才的综合答案 + 引用清单 + 用户的原始问题

（用于判断主语和目标页）

• 用户回 N 或没回 → 结束，不保存
• 答案没找到 → 不提议 fileback（没东西可存），改问"要不要我帮你上网搜一下？"

或"要不要新建一个页面占坑？"

• 答案是"corpus 里没有" → 同上，不提议 fileback

为什么这个闭环重要：

• 综合答案是 LLM 的劳动成果，不存下次就要重做
• 用户的关注点是临时从短期记忆变成长期沉淀的唯一入口
• 这是 corpus 从"静态数据"升级成"活知识"的核心机制