用途：在智能体需要超出训练数据的信息时，为其补充知识来源、RAG 管道或事实依据数据。依据资料，缺少依据时智能体会产生幻觉，有依据时可引用来源。
使用方式：必须先调用 /agent-workflow，其中包含工作流原则、反模式与上下文收集协议；需先遵循该协议。若尚无工作流上下文，必须先运行 /teach-maestro。随后参考 agent-workflow 技能中的 knowledge-systems 参考，了解 RAG 架构、分块策略与检索模式。
主要能力：先做知识源评估，按知识类型区分来源、更新频率与访问方式，例如领域文档（内部文档、规格，每月，语义搜索）、代码上下文（代码库，实时，代码搜索）、用户数据（数据库、CRM，实时，结构化查询）、外部数据（API、网页，实时，API 调用）与历史数据（日志、过往交互，每日，时间范围查询）。随后可按场景补充：文档类知识走 RAG 管道（选文档、选分块策略、嵌入、带元数据索引、混合检索、带来源归因地注入提示）；数据库类知识定义自然语言到结构化查询的接口并加只读与复杂度限制等护栏、格式化结果、标注来源与新鲜度；实时信息则确定 API、设置缓存策略、准备降级方案并标注数据时间戳与来源。技能还提供加强清单，涵盖归因、检索质量独立测试、分块大小优化、外部来源降级、知识库刷新策略与 PII 处理。
后续步骤：加强后可运行 /evaluate 测试检索质量，或 /iterate 建立知识新鲜度持续监控。
限制与禁止：不要把一切内容不加筛选地索引；不要跳过来源归因；不要在未先测试检索质量的情况下构建 RAG；不要对所有文档类型使用固定分块大小；不要假设嵌入相似度等于相关性。资料未提供具体收费、价格与平台信息。