MD 知识库 RAG：分区、混合检索与证据回看

核心判断

普通 AI 用知识库的三个典型问题：跳过规则、混用草稿内容、凭常识补答案。解法不是堆更多文档，而是把”规则 → 检索 → 证据”做成硬约束。

第一层：分区结构

知识库分五区，只有正式库可以作为应答依据：

分区	内容	可否作为依据
规则区	入库审核、路由、标签、检索规则	否（决定流程）
正式库	审核过的正式知识	是
项目区	项目过程材料	否
思辨区	探讨、草稿、未定论	否
日志区	每日记录	否

索引/MOC 只负责导航，检索索引只负责召回候选——都不进答案。

第二层：混合检索（本地脚本）

Markdown 切块后建四个索引：BM25/关键词数据、IDF 权重、向量矩阵、元数据。召回流程：先按查询词出候选 chunk，再按 frontmatter 和标签过滤掉非正式库内容，最后按相关度排序取 top N。全程本地运行，断网可用。

第三层：证据回看（应答约束）

回答前必须执行的规则：

1. 检索正式库，列出召回条目（含文件路径与标题）
2. 检查候选的 frontmatter 与标签，剔除草稿/思辨/日志，报告剔除情况
3. 回到原始 Markdown 文件核对内容，引用时标注文件路径与章节
4. 每条结论附引用来源
5. 正式库没有依据时，明确说"知识库中没有找到依据"，
   常识补充必须标注"（非知识库内容，仅供参考）"

禁止：引用思辨/日志/草稿作依据；拼接出原文没有的结论；
     无证据时使用确定性表述

复用建议

• 检索脚本与规则模板可整体迁移到任何 Markdown 知识库
• 先小库验证规则遵守率（抽 20 问核对引用路径是否真实存在），再扩容
• 应答约束完整版在资源库提示词分类的《知识库证据回看应答》