# 知识库模块 > 创建: 2026-06-13 | 阶段: Tier 1 已实现 --- ## 概述 知识库是 DevFlow 的"共享记忆层"，被动积累 AI 对话中产生的可复用经验，供后续对话注入使用。外部工具（Claude Code / CodeX / Cursor）可通过相同 IPC 接口读写，内外零差异。 --- ## 实现状态 | 功能 | 状态 | |------|------| | candidate→published 状态机 | ✅ Tier 1 | | 手动录入（Knowledge.vue）| ✅ Tier 1 | | AI 自动提炼（对话完成后）| ✅ Tier 1 | | LIKE 关键词检索 + 注入 system prompt | ✅ Tier 1 | | 审核收件箱（人工门控）| ✅ Tier 1 | | 向量 embedding + 混合检索 | ✅ Phase 5.5（开关控制，默认关）| | ai_node prompt 注入 | ⬜ Tier 2 | | MCP 对外 API | ⬜ Tier 2 | --- ## 状态机 ``` candidate ──→ pending_review ──→ published ──→ archived │ │ │ └────────────────┴───────────────┘ (可直接到 archived) ``` - AI 提炼只产 **candidate**，绝不自动 published（人工门控） - `knowledge_archive`：软删除（status=archived），不物理删除 --- ## 知识类型（KnowledgeKind） 7 种：`pitfall`（踩坑）/ `review_rule`（审查规则）/ `prompt_template`（Prompt 模板）/ `architecture_pattern`（架构模式）/ `diagnosis`（诊断知识）/ `deployment_note`（部署经验）/ `workflow_optimization`（工作流优化） --- ## IPC 命令（11 个） | Command | 说明 | |---------|------| | `knowledge_list(status?)` | 全量列表，默认排除 archived | | `knowledge_get(id)` | 单条查询 | | `knowledge_search(query, kind?, limit?)` | LIKE 检索，top-N≤3 | | `knowledge_create(input)` | 创建（status=candidate）| | `knowledge_update_status(id, status)` | 状态转换（含合法矩阵校验）| | `knowledge_record_reuse(id)` | reuse_count +1 | | `knowledge_list_candidates()` | 审核收件箱（按 confidence 排序）| | `knowledge_archive(id)` | 软删除 | | `knowledge_get_config()` | 读取 KnowledgeConfig | | `knowledge_save_config(config)` | 保存 KnowledgeConfig | | `knowledge_extract_now()` | 手动触发提炼（ManualOnly 模式）| --- ## KnowledgeConfig ```rust pub struct KnowledgeConfig { pub auto_extract: bool, // 提炼总开关，默认 true pub trigger_mode: ExtractTrigger, // on_complete | on_idle | manual_only pub min_messages: u32, // 守卫：最少消息数，默认 4 pub idle_timeout_ms: u64, // 闲置触发超时，默认 30000 pub auto_inject: bool, // 聊天注入开关，默认 true pub vector_enabled: bool, // 向量检索开关，默认 false pub embedding_provider_id: Option, // 仅 openai_compat 类型 pub embedding_model: Option, } ``` 存储：`AppState.knowledge_config: Arc>`（内存，重启恢复默认值）。 --- ## 检索与注入 ### LIKE 检索（默认） `search(query, kind, limit=3)` → `WHERE title LIKE ? OR content LIKE ?` → `ORDER BY reuse_count DESC` ### 混合检索（vector_enabled=true） 三层降级链： 1. 开关关 → 纯 LIKE 2. embed 调用失败 → 纯 LIKE 3. 正常 → 双信号排序（同时命中 LIKE+向量 cos≥0.3 > 仅 LIKE > 仅向量 cos≥0.3） 嵌入时机：知识**发布时**（不在 candidate 阶段浪费 embed 调用），`spawn_embedding_for_knowledge` fire-and-forget。 ### 注入位置 system prompt 头部（[知识库上下文] --- [技能指令] --- [原始 system prompt]），仅 auto_inject=true 时生效。 --- ## AI 自动提炼流程 1. `run_agentic_loop` 正常退出 → `maybe_spawn_extraction()` 守卫检查 2. 守卫：`auto_extract=true` + `messages.len() >= min_messages` 3. `tauri::async_runtime::spawn` 后台执行，不 await（不阻断聊天） 4. 取最后 6 条 user/assistant 消息 → 构造 JSON schema prompt → LLM `complete()` 5. `serde_json::from_str>` 解析，失败整批丢弃（warn 不报错） 6. 逐条写 `knowledges`（status=candidate，source_ref="conv:{id}"） --- ## 矛盾知识处理 不做结构层消歧，在内容和 tags 中自述限制范围。检索时两条知识都可能返回，由 LLM 上下文理解取舍。 --- ## 外部工具访问（规划） Tier 1+ 目标：MCP Shell 封装（`mcp-server` 转发 IPC），外部工具使用逻辑与内部零差异： - 外部写入：走 candidate → 人工审核流程 - 外部读取：`knowledge_search` / `knowledge_list`（published） --- ## 相关文档 - [df-storage 存储层](./df-storage-存储层.md) — knowledges 表结构 + 向量工具函数 - [df-ai AI 集成模块](./df-ai-AI集成模块.md) — hybrid_search / generate_embedding / extract - [功能决策记录](../02-架构设计/功能决策记录.md) — 检索方案演进决策