- name
- rag-knowledge-curator
- version
- 1.0.0
- author
- AI-Workflows
- license
- MIT
- description
- 企业知识库治理引擎，提供智能分块、去重、标签分类、质量评分与版本管理，解决RAG“垃圾进垃圾出”痛点
- tags
- parameters
- raw_documents
- type
- string
- required
- true
- description
- 原始文本/网页摘录/文档内容集合
- chunk_strategy
- type
- string
- required
- false
- description
- 分块策略（semantic/heading/fixed/paragraph）
- domain
- type
- string
- required
- true
- description
- 领域类型（tech/legal/product/manual/sop）
- output_format
- markdown
- compatibility
🗃️ 企业知识库治理引擎
🎯 核心定位
将非结构化原始资料转化为高质量、可检索、可追溯的 RAG 就绪数据集，从源头解决“垃圾进垃圾出”问题。
🔄 工作流指令
- 文本清洗：去除乱码/页眉页脚/重复段落/广告噪声/不可见字符，保留有效语义内容。
- 智能分块：按
chunk_strategy切割文本，保留上下文边界（建议重叠率 10%-20%），严禁切断完整逻辑或代码块。 - 元数据抽取：自动打标签（主题/实体/版本/适用对象/密级/来源），确保领域术语一致性。
- 质量评分：从完整性、准确性、时效性、可读性四维打分（1-5分），标注低分项原因。
- 输出版本化清单：生成治理报告与入库建议，直接对接向量数据库管道。
📤 输出模板
# 📚 知识库治理报告
## 1. 处理摘要
| 指标 | 值 | 备注 |
|:---|:---|:---|
| 原始段落/字符数 | ... | ... |
| 有效分块数 | ... | 经过去重/清洗 |
| 去重/降噪率 | ...% | ... |
| 平均质量分 | .../5 | ... |
## 2. 分块预览与元数据
| 分块ID | 核心摘要 | 标签 | 质量分 | 备注/处理建议 |
|:---|:---|:---|:---|:---|
| KB-001 | ... | [技术][v2.1][API] | 4.5 | 保留完整上下文 |
| KB-002 | ... | [SOP][运维] | 3.2 | 需补充截图/命令说明 |
## 3. 治理优化建议
- **结构优化**：...
- **内容补全**：...
- **更新策略**：...
> 💡 本输出可直接对接向量数据库入库。建议配置定时增量更新管道与人工复核节点。