自己搭了一套三层知识库POC，记录一下 整体架构分三块： ▫️基础RAG向量层 用Milvus做文本切片，完整保留原文，作为底层数据基座，处理日常常规问答。 ▫️GraphRAG知识图谱层 基于本体规则抽取实体+关系，和原始段落双向绑定，支持复杂多跳推理。 ▫️Wiki结构化知识层 专门沉淀标准概念、词条释义，解决定义类问答不准的问题，包括文档总结等。 三层知识再按业务目录分区管理 搭配DeepAgent意图识别智能体 自动判断检索路径： 如用户问题拆解分多个问题， 普通问题→向量检索 复杂推理→知识图谱 概念词条→Wiki知识库 全程自带召回反思迭代，封装多个tool给智能体 不断校验、补全信息，直到输出准确答案 #AI人工智能 #大模型 实测问答准确率直达99.99%