用途：提供一套结构化方法，用于知识库的选型、设计与治理，覆盖架构决策（文档型/实体型/混合）、内容策展、质量指标、版本策略与维护治理。适用于选择知识库架构、建立策展工作流或构建组织知识治理流程。
主要能力与要点：架构上，文档型（RAG，配合 Pinecone、Weaviate、pgvector 等向量库）适合文档、FAQ、手册与语义检索；实体型（图数据库 Neo4j、ArangoDB）适合组织架构、目录、网络与关系遍历；混合型（两者加链接层）用于企业、医疗、法律等组合查询场景，复杂度最高。实施分六阶段：审计、策展、存储、质量、版本、治理。质量目标包括准确率 >90%、覆盖率 >80%、新鲜度平均 <30 天、一致性 >95% 无冲突、查询中位延迟 <100ms。存储可选 pgvector、Pinecone、Weaviate、Chroma；索引有 HNSW（召回优先）与 IVFFlat（频繁重建）。摄取流程为加载、清洗、分块、嵌入、存储，按语义边界分块，最大 512 tokens，重叠 10–15%。去重可用内容哈希（精确重复）与余弦相似度 >0.95（语义重复）。质量测试用 100+ 测试题，recall@10 >0.8、MRR >0.7；漂移检测监控嵌入分布，均值偏移 >0.1 告警。版本管理有快照、事件溯源、Git 风格三种；维护分每日、每周、每月、每季度。
不适用：静态文档已足够、少于 50 条 FAQ 即可覆盖全部问题，或没有维护资源。检索管线实现（分块、嵌入、向量存储）请用 rag-implementer 技能；知识图谱实现（本体、实体抽取、图数据库）请用 knowledge-graph-builder 技能。
常见错误与纠正：未策展直接摄取原始数据（应先清洗、去重再入库）；不做版本控制（应从第一天起支持回滚与审计）；未验证用户问题就建设（应先做用户研究，用真实查询测试达到 >90% 准确率）；文档型足够时选混合架构（应匹配实际查询模式，从简单开始）；上线无新鲜度监控（应设自动检查和定期评审）；无来源追踪（应记录来源 URL、时间戳、作者与置信度）；多处重复信息（应建立单一事实源并合并）；追求完美延迟上线（应在 80% 覆盖率上线并按真实使用迭代）。
其他细节暂未提供。