企业内部RAG知识库系统。开源项目

针对本地手册与纪要“翻得慢、对不回原文”的痛点，设计上下文工程问答引擎：LLM预筛、重叠分片、并发抽取与去重合流，输出可核验的带行级出处的答案。适用于制度查询、培训答疑、研发文档与内部知识检索。

## 它解决什么

多数「知识库」先切向量再找相似段。KSASNT 走的是另一条路：**用上下文工程管住整段阅读预算**——先判断这篇是否值得读，再按块抽取与问题有关的句子，去重合并，最后作答并回写 `[文档:行号]`。

适合已经落在本地的制度、手册、纪要、技术说明，而不是公开网页搜索。

---

## 处理链路

![从入仓到带出处作答的六步

| 步 | 做什么 | 使用者能感到的结果 |
| --- | --- | --- |
| 1 文档入仓 | 读入 md / txt，建成可复用知识库 | 同一批材料能反复问 |
| 2 相关预筛 | 按当前问题丢掉明显无关的篇 | 少跑无用调用 |
| 3 重叠分片 | 固定窗口 + 重叠，避免句子被切断 | 长文不会只看见半段 |
| 4 要点抽取 | 每片只抽出与问题有关的内容并记来源 | 答案能指回原文位置 |
| 5 去重合流 | 合并相近摘录，压进上下文预算 | 不把同一句话贴三遍 |
| 6 带出处作答 | 在合并后的上下文上作答 | 正文旁出现 `[doc:10-15]` |

另有 **忠实原文** 路径：跳过摘要式抽取，只判断相关后把原文片段交给作答（适合「不要改写、对着原文讲」）。

---

## 三种问法

![精确查询 · 智能问答 · 智能自适应]

| 模式 | 适合问 | 回答气质 |
| --- | --- | --- |
| 精确查询 `query` | 数字、条款、有没有某条规定 | 短、对准事实 |
| 智能问答 `qa` | 为什么、原理、怎么理解 | 带背景的说明 |
| 智能自适应 `auto` | 不确定该用哪种 | 按问题类型自行收紧或展开 |

模式写在本机配置里