Knowledge RAG

设计知识库

由社区维护、审核后发布，并在 Agent 页面创作前被 RAG 检索为设计约束。

6 条已发布原则 / 全库 192 条

知识库、素材库和风格库的侧栏分面应来自全库索引，而不是当前结果子集；结果区再解释当前 query 与筛选条件。

分面导航既是检索控件，也是信息架构地图。若分面只从当前结果集派生，用户搜索后会失去其他分类入口，RAG 也难以稳定发现相邻知识。

AI/RAG 答案的引用不是页脚装饰，而是 claim、source、snippet、权限、streaming 状态、复制/分享和审计行为共同组成的证据面。

可信 AI 界面要让用户知道哪些结论有来源、来源是否可访问、证据何时生成、如何打开或复制，以及缺失/过期/低置信来源如何处理。

每条 skill、知识、风格和素材条目都要覆盖用户话术、设计理论词、组件状态词、实现风险词和来源词，避免只靠标题被动召回。

RAG 质量不只取决于内容深度，还取决于条目能否被正确召回。检索 query 是给未来 agent 的路标，必须覆盖多种说法和任务意图。

AI 生成素材也有来源链路：工具、模型、prompt、参考输入、编辑历史、权利风险和复用边界必须一起入库。

素材库不能把“AI generated”当作授权和来源说明。生成素材是否可复用，取决于输入权利、描绘对象、编辑链路、验证信号和使用场景。

素材库入库必须记录到具体资源级别的授权、商用判断、归因要求、下载方式和 RAG 关键词，不能只写平台名。

素材库的核心不是多，而是可合法复用、可追踪、可下载、可被 agent 准确检索。聚合平台和素材市场尤其需要资源级授权判断。

知识库命中应转化为设计约束，而不是把知识条目原文写进页面可见文案。