🎓 一个包装知识库的诞生

闲暇之余，我用 AI 写了一个关于软包装的网站 elagentpak.com——去年还是手写代码，今年已经被 AI 驱动了。

前几天，我想构建一个 AI 驱动的软包装设计 SKILL。因为还没有接入图形设计模块，我决定从结构设计入手。简单搭建之后跑了多轮测试，结果暴露了设计智能体最普遍的问题——不稳定。大模型在调度时可能跳过某些步骤，每次设计结果都不一样。

现在的模型在训练时已经具备了广泛的知识，但推理时用到的知识对我们来说是一个黑盒——它是不是幻觉，我们无从查证。为了解决这个问题，通常的做法是引入 RAG（检索增强生成），把本地知识库作为大模型的外部知识"外挂"。

考虑到我们的 SKILL 以及其他 SKILL 都需要一个稳定、可审查的知识底座，我决定建立一个世界知识库——公开给所有人，所有 SKILL 共享，必要时可以人工审查知识是否正确。

此前创建 llm-wiki 的经验让我有了技术基础，但这次我决定更进一步——让 AI 自己决定如何创建、如何蒸馏知识。于是我给了 AI 四个目标：

① 从零开始学会包装领域的全部知识；

② 像一位真正的行业专家一样，把知识结构化地沉淀下来；

③ 在用户提问时，精准地掏出一小段而不是甩出一整本书；

④ 并且，这个过程不是一次性的——它得自己生长、自己更新。

AI 首先提出了 8 个顶层领域关键词，再从中派生出 40+ 个种子概念，从种子概念进一步蒸馏出知识点和检索块。在蒸馏过程中，还会不断挖掘出新的种子词——就像一棵树，从根部开始，不断长出枝叶。这就是"包装知识库引擎"的起点。

🎯 种子词的诞生

我们给 AI 的第一个任务是："你是一位刚入职的包装工程师，请列出你必须掌握的核心知识领域。"

AI 没有给我们一堆零散的词汇，它给出的是一棵结构树：

🔄 种子词如何自我更新

这批"种子"不是一成不变的——有两种方式会触发种子词的更新：

方式一：蒸馏过程的内部演进

在蒸馏知识的过程中，AI 会重新审视已有知识，发现"遗漏的角落"，然后自动补充新的种子词。每一次迭代都会让知识树再长出几条新枝。

方式二：用户提问的外部探测

每一个用户提问都是一次"知识边界探测"——用户问得越多，知识库覆盖得越全。

🏗️ 三层知识结构

我们没有把知识存成一篇篇文章，而是设计了一个三层架构，让每一条知识都像"乐高积木"一样独立可拼：

⚙️ 数据库更新全流程

每一条新知识进入数据库之前，都会走完下面这趟"产线"——从接收任务到写入数据库，全程自动化：

整个过程通常在 几十秒内 完成。新写入的知识可以被后续的所有查询立即检索到。

✍️ 不只是 AI 蒸馏——还有另外两种更新路径

• 对话沉淀：当用户与 AI 对话中产生了有价值的内容，AI 可以自动判断、去重、结构化，存入知识库。用户问得越多，知识库越聪明。
• 文档解析：上传技术 PDF / Word / Excel，AI 自动提取材料参数表、工艺流程、检测指标等结构化数据。
• 联网查证（规划中）：蒸馏知识时主动搜索互联网，验证标准号准确性、发现新出现的材料，交叉验证多源信息。

🏹 两阶段检索：先瞄再放箭

💡 为什么是渐进式？

虽然现在大模型的上下文窗口越来越广，将全文直接塞给模型已经技术可行，但 Token 消耗太大，响应也会变慢。更重要的是——过长的上下文会稀释大模型的注意力，导致能力下降。因此渐进式加载在 Agent 中已经成为"标准"方案。

• 第一步像翻目录：只看摘要，快速定位"哪几个概念是相关的"。这一轮几乎不花钱。
• 第二步像翻到那一页：只在命中的少数概念里，精确检索最贴切的知识块（每块 300-500 字，独立可读）。
• 最终效果：预计每次查询只消耗 ~1,700 Token，比传统方式节省 88%，同时答案更精准。

🧠 检索的技术骨架

底层使用的是一套全文检索 + 向量检索混合方案：

• 全文检索：负责第一阶段快速扫描——对标题和摘要做关键词匹配，毫秒级返回候选列表。
• 向量嵌入检索：负责第二阶段精确匹配——将用户问题转为语义向量，在检索块库（已预先向量化存入）中找语义最接近的块。
• 关键词 + 语义双路融合：两个结果合并排序，确保既不错过精确术语匹配（如"QB/T 2358"），也不漏掉语义相近但用词不同的内容（如"热封强度" vs "封口牢度"）。

🔄 检索触发时机

知识库检索不是每次对话都跑的——只在 AI 判断"需要专业知识支撑"时才触发：

• 用户问到包装技术参数（如温度、压力、标准值）→ 触发
• 用户问到工艺对比或选材建议 → 触发
• 用户问的是产品功能操作问题 → 不触发，走产品文档搜索
• 纯粹的闲聊或客套 → 不触发，避免无意义调用

目前，知识库引擎已经跑通了 "种子词 → AI 蒸馏 → 数据库 → 两阶段检索" 的完整闭环，覆盖了软包装 8 大领域，约 500 个蒸馏知识点和超过 2,000 个可检索知识块。

但真正让人兴奋的，不是现在的规模，而是这套系统的可进化性：它是活的。