跳到主要内容

检索策略

AI Agent 何时该查知识库?按需读取文档

用查询或跳过的判断流程,让 AI Agent 在需要证据时查知识库,也避免反复把无关文档塞进上下文。

Qi-Xuan Lu更新 8 分钟阅读

文章封包

01

Workflows

02

让 AI Agent 反复处理大型文档集、项目资料或内部制度的简体中文开发者

03

8 分钟阅读

01

答案依赖最新、私有、项目特定或必须引用的信息时才查询。

02

准确权威文件已在上下文,或任务不依赖文档时就跳过。

03

先用索引选择来源,再只打开足以验证答案的准确段落。

01

先说结论:知识库不用每题都查

当答案依赖当前版本的项目事实、私有资料、组织制度、精确数字或可引用证据,而且这些内容还不在上下文时,AI Agent 才应查询知识库。问候、固定流程、纯数据操作,或准确权威文件已经打开时,不必再做一次相同检索。

需要查询时,先读标题、路径、摘要或维护型索引,确认方向后再加载最小的相关页面,最后回到引用原文验证重要主张。省 Token 不能成为跳过证据的理由。

02

为什么每次都查和完全不查都会失败

每轮强制注入整批文档,会增加无关文本、延迟和注意力压力;完全不查,又会让 Agent 猜测当前事实或反复重新发现同一个决定。真正需要的是每个任务都能重复执行的查询边界。

JitAI 文档把智能、自定义和禁用三种知识库模式分开,并继续区分 Agent 自主查询与每轮预检索;这说明检索方式取决于任务,不是所有问题共用一个开关。

03

使用这份查询或跳过清单

先判断答案是否依赖外部证据,再决定预检索、让 Agent 自主查询、直接读取来源,或完全跳过。每次只增加完成任务所需的下一层信息。

下方 slash commands 需要先安装 Wenlan Codex plugin 并执行一次 /setup;wenlan connect codex 只配置 MCP 连接。只有 MCP 连接的客户端,请使用 Wenlan recall 并检查它返回的 Page 结果;若未安装 plugin 但要列出或打开 Pages,请改用本地 wenlan pages <主题> CLI。

  • 查询:需要最新项目事实、私有资料、组织制度、精确数字或引用。
  • 预检索:每个有效答案都必须依据同一个受控来源,例如合规条款、标准流程或产品手册。
  • 自主查询:只有部分问题需要文档,而且工具描述清楚写明资料范围与不适用情况。
  • 跳过:问候、固定路由、确定性操作,或准确权威文件已经在眼前。
  • 渐进披露:先看索引或 Page,再打开相关段落,不一次加载整个知识库或文档集。
  • 验证:重要结论回到准确引用;找不到资料时标记未知,不用模型记忆补答案。
  • 测量:在自己的工作负载记录检索 Token、延迟、回答质量与失败搜索。

先查窄主题,再检查维护型 Page

# Wenlan plugin:
/recall <主题>
/pages <主题>

# 只有 MCP:调用 Wenlan recall 并检查返回的 Page。
# 本地 CLI 列出或打开 Page:
wenlan pages <主题>

04

Wenlan 在这个流程负责什么

Wenlan 把 Sources、原子知识和维护型 Pages 分开。Agent 可以先 recall 一个窄主题或打开相关 Page,检查引用后再回到当前原始文档,不必每次重放整个资料库。

Wenlan 不会取代代码、测试、制度或当前文档的直接验证,也不保证一定降低 Token。更小的上下文仍可能漏掉关键信息;无关检索也可能让回答变差,因此要用代表性任务比较完整流程。

先测试一条检索边界

连接 Wenlan,选择一个会重复出现的项目问题,比较整批加载、按需查询和直接读取来源,不预设一定省 Token。

FAQ

AI Agent 每次回答都应该查知识库吗?+
不应该。只有每个答案都必须依据受控来源时才适合固定预检索;其他流程应让任务或 Agent 在确实依赖这些资料时再查询。
使用知识库就一定能降低 Token 吗?+
不一定。索引与选择性检索可以减少重复读取文档,但 embedding、工具调用、返回片段和失败搜索也有成本,必须用自己的任务测量完整流程。
什么时候必须回到原始文档?+
精确数字、否定条件、合规规则、当前代码行为和其他重要结论,都应打开准确引用位置验证;Page 或检索摘要只能帮助找到来源。