檢索策略
AI Agent 何時該查知識庫？按需讀取文件
用查詢或略過的判斷流程，讓 AI Agent 在需要證據時讀知識庫，也避免反覆把無關文件塞進上下文。
文章封包
Workflows
讓 AI Agent 反覆處理大型文件集、專案資料或內部規範的繁體中文開發者
8 分鐘閱讀
01
答案依賴最新、私有、專案特定或必須引用的資訊時才查。
02
確切權威檔案已在上下文，或任務根本不靠文件時就略過。
03
先用索引選來源，再只打開足以驗證答案的確切段落。
01
先回答：知識庫不用每題都查
當答案依賴目前版本的專案事實、私有資料、組織規範、精確數字或可引用證據，而且這些內容還不在上下文時，AI Agent 才應查知識庫。打招呼、固定流程、純資料操作，或確切權威檔案已經打開時，不必再做一次相同檢索。
需要查詢時，先讀標題、路徑、摘要或維護型索引，確認方向後再載入最小的相關頁面，最後回到引用的原文驗證重要主張。省 Token 不能變成略過證據的理由。
02
為什麼一直查與完全不查都會失敗
每輪強制注入整批文件，會增加無關文字、延遲與注意力壓力；完全不查，又會讓 Agent 猜測目前事實或反覆重新發現相同決策。真正需要的是每個任務都能重複使用的查詢邊界。
台灣的 CareerWise 實作把四種 intent 分開，只有需要其職涯知識的路徑開放知識庫工具；這是具體設計案例，不是 Wenlan 的固定 Token 節省保證。
03
用這張查詢或略過清單
先判斷答案是否依賴外部證據，再決定預先檢索、讓 Agent 自主查詢、直接讀來源，或完全略過。每次只增加完成任務需要的下一層資訊。
下方 slash commands 需要先安裝 Wenlan Codex plugin 並執行一次 /setup；wenlan connect codex 只設定 MCP 連線。只有 MCP 連線的客戶端，請使用 Wenlan recall 並檢查它回傳的 Page 結果；若未安裝 plugin 但要列出或打開 Pages，請改用本地 wenlan pages <主題> CLI。
- 查詢：需要最新專案事實、私有資料、組織政策、精確數字或引用。
- 預先檢索：每個有效答案都必須根據同一受控來源，例如法規、作業程序或產品手冊。
- 自主查詢：只有部分問題需要文件，而且工具描述清楚寫出資料範圍與不適用情況。
- 略過：問候、固定路由、確定性操作，或確切權威檔案已經在眼前。
- 漸進揭露：先看索引或 Page，再打開相關段落，不一次載入整個 vault 或文件集。
- 驗證：重要結論回到確切引用；找不到資料時標示未知，不用模型記憶補答案。
- 量測：在自己的工作負載記錄檢索 Token、延遲、答案品質與失敗搜尋。
先查窄主題，再檢查維護型 Page
# Wenlan plugin：
/recall <主題>
/pages <主題>
# 只有 MCP：呼叫 Wenlan recall 並檢查回傳的 Page。
# 本地 CLI 列出或打開 Page：
wenlan pages <主題>04
Wenlan 在這個流程負責什麼
Wenlan 把 Sources、原子知識與維護型 Pages 分開。Agent 可以先 recall 一個窄主題或打開相關 Page，檢查引用後再回到目前的原始文件，不用每次重播整個資料庫。
Wenlan 不會取代程式碼、測試、政策或目前文件的直接驗證，也不保證一定降低 Token。較小的上下文仍可能漏掉關鍵內容；無關檢索也可能讓答案更差，因此要用代表性任務比較完整流程。
先測一條檢索邊界
連接 Wenlan，選一個會重複出現的專案問題，比較整批載入、按需查詢與直接讀來源，不預設一定省 Token。
FAQ