RAG 知识库

对齐 plan.md §8：导入切块 → 混合嵌入 → 带出处检索 → 可选 LLM 综合。

管线

导入（server/knowledge/ingest.py） PDF（pdfplumber）/ docx（python-docx）/ md·txt / xlsx → 按标题/段落切块（约 500 字、重叠 50）→ KnowledgeStore.add_with_chunks。入口：口令「导入知识文档 …」、POST /api/knowledge/import、POST /api/knowledge/import/upload（P2 确认卡）。
嵌入（server/knowledge/embedding.py） EmbeddingProvider：local（sentence-transformers）→ api（OpenAI 兼容）→ none（仅 bigram）。向量落盘 server/data/embeddings.json（或 APS_EMBEDDINGS_PATH）。
检索（server/knowledge/retrieval.py） hybrid_search：α·vector + β·bigram + 标签/标题加成；min_score 未命中返回空（不编造）。
生成（workflow · knowledge.query） top-k 上下文 → providers.chat_text 综合；失败或无密钥 → 吐最相关原文。回答须带 标题+版本 出处；UI evidence 块列出命中。

POST /api/rag/query：{query, topK, kinds?, tags?, apiKey} → 命中 chunk + 出处。鉴权：APS_RAG_API_KEY 全量放行，或匹配已启用 skill 的 auth，并按其 manifest ragScopes 过滤可见 kind/tags。经 harness.guard("rag.query") 审计。
Problem 注入：world_to_flex_problem(..., include_knowledge=True) 会把订单产品相关的知识命中摘要注入 meta.knowledgeRefs，外部算法拿到约束背景。
行业工艺模板库（server/knowledge/routing_templates.py）：机加工 16 类文本知识同步产出结构化 routing_templates（车/铣/钻/磨/装配…，每步含推荐工时区间与设备类型），与知识资产互相引用（assetId ↔ template）。GET /api/templates、/recommend?q=产品名、 POST /api/templates/apply（P2 实例化为产品路线，工时标「模板」）。
索引自动化：GET /api/knowledge/index/status（后端/已索引数/降级说明）、 POST /api/knowledge/index/rebuild（P1 重建 embeddings.json）。
知识管理页：治理台「知识平台」——资产列表/全文查看/检索调试/文档上传（P2）/ 模板库/索引状态（apps/web/src/knowledge/KnowledgePanel.tsx）。

变量	含义
`EMBEDDING_PROVIDER`	`auto` / `local` / `api` / `off`
`EMBEDDING_API_KEY` / `LLM_API_KEY`	API 嵌入密钥
`EMBEDDING_BASE_URL` / `LLM_BASE_URL`	兼容端点
`EMBEDDING_MODEL`	默认 `text-embedding-3-small`
`APS_KNOWLEDGE_PATH`	知识资产 JSON
`APS_EMBEDDINGS_PATH`	向量仓 JSON