85 lines
4.8 KiB
SQL
85 lines
4.8 KiB
SQL
-- 知识库从「什么都记」走到「只把可复用的喂回去」。
|
|
--
|
|
-- ## 为什么要加这三列
|
|
--
|
|
-- 2026-08-21 对生产做了一次实测,结论不含糊:
|
|
--
|
|
-- - 3,748 条 claim 里,只有 **7 条**拿到过一个以上任务的证据;
|
|
-- 3,595 个已核实条件的 subject 里,只有 **9 个**在第二个任务里再出现过。
|
|
-- - 688 次注入里 649 次撞满 K=10 上限(检索是「任一词 LIKE 任一字段」+ 只按
|
|
-- confidence 排序,等于按置信度取前十),条目级引用率 **3.6%**。
|
|
-- - 归因回路一次都没闭合过:49,483 对 claim × 真机条件,精确配对命中 0 次。
|
|
--
|
|
-- 也就是说这个库当时**几乎是一次性的**:每条知识只在它诞生的那个任务里成立过一次,
|
|
-- 之后再没被碰到,却仍然每次都被塞进十条给下一个人看。
|
|
--
|
|
-- `tier` —— 这条知识**能不能被检索**。episodic 只当证据留着,不进 prompt;
|
|
-- semantic 才进检索池。凭本事晋升(第二个任务见证过)或
|
|
-- 凭出身(env / account 这类与具体任务无关的事实、人工录入)。
|
|
-- `injected_count` —— 被摆到起草者面前过几次。
|
|
-- `cited_count` —— 其中被引用回来过几次。两者之比就是「有用度」,直接进排序。
|
|
--
|
|
-- 前两周的 `kb_injections` 已经攒了真实的引用数据,下面把它回填进计数器 ——
|
|
-- 新排序上线第一天就有三周的反馈可用,而不是从零开始学。
|
|
--
|
|
-- ## 为什么 tier 的默认值是 episodic 而不是 semantic
|
|
--
|
|
-- 默认值决定了「漏判往哪边倒」。倒向 episodic 的代价是一条本可复用的知识暂时不被
|
|
-- 注入(下次同类任务再见证一次就自动晋升);倒向 semantic 的代价是把这 3,741 条
|
|
-- 一次性事实原样倒回 prompt 里,也就是回到改造前。所以默认关。
|
|
|
|
ALTER TABLE "kb_claims" ADD COLUMN IF NOT EXISTS "tier" text NOT NULL DEFAULT 'episodic';
|
|
ALTER TABLE "kb_claims" ADD COLUMN IF NOT EXISTS "injected_count" bigint NOT NULL DEFAULT 0;
|
|
ALTER TABLE "kb_claims" ADD COLUMN IF NOT EXISTS "cited_count" bigint NOT NULL DEFAULT 0;
|
|
ALTER TABLE "kb_claims" ADD COLUMN IF NOT EXISTS "last_injected_at" bigint;
|
|
|
|
-- ── 存量分层 ────────────────────────────────────────────────────────────────
|
|
-- 三条晋升理由,与 kb_db.ts::earnsSemanticTier 里的规则逐条对应(改一处要改两处)。
|
|
|
|
-- ① 出身:env / account 天然与具体任务无关 —— 构建命令、设备状态、测试账号,
|
|
-- 换个 bug 照样成立。实测引用率也印证:env 11.6% / account 6.0%,
|
|
-- 而 entry_path 0.5% / tricky 0.9%。
|
|
UPDATE "kb_claims" SET "tier" = 'semantic'
|
|
WHERE "kind" IN ('env', 'account') AND "status" <> 'deprecated';
|
|
|
|
-- ② 出身:人工录入的知识是有人**特意**记下来的,不需要再自证一次。
|
|
UPDATE "kb_claims" SET "tier" = 'semantic'
|
|
WHERE "source" = 'human' AND "status" <> 'deprecated';
|
|
|
|
-- ③ 本事:被一个以上任务见证过 —— 这是「跨任务复用」唯一的硬证据。
|
|
UPDATE "kb_claims" SET "tier" = 'semantic'
|
|
WHERE "status" <> 'deprecated' AND "id" IN (
|
|
SELECT "claim_id" FROM "kb_evidence" GROUP BY "claim_id"
|
|
HAVING COUNT(DISTINCT "target_id") > 1
|
|
);
|
|
|
|
-- ── 回填有用度计数 ──────────────────────────────────────────────────────────
|
|
-- claim_ids / used_claim_ids 是 JSON string[]。展开成行再数,比在应用层跑一遍
|
|
-- 三周的历史便宜得多,也不需要为回填单独写一个脚本。
|
|
WITH injected AS (
|
|
SELECT json_array_elements_text("claim_ids"::json) AS cid, "ts"
|
|
FROM "kb_injections"
|
|
), agg AS (
|
|
SELECT cid, COUNT(*)::bigint AS n, MAX("ts") AS last_ts FROM injected GROUP BY cid
|
|
)
|
|
UPDATE "kb_claims" c
|
|
SET "injected_count" = agg.n, "last_injected_at" = agg.last_ts
|
|
FROM agg WHERE agg.cid = c."id";
|
|
|
|
WITH cited AS (
|
|
SELECT json_array_elements_text("used_claim_ids"::json) AS cid
|
|
FROM "kb_injections" WHERE "used_claim_ids" IS NOT NULL
|
|
), agg AS (
|
|
SELECT cid, COUNT(*)::bigint AS n FROM cited GROUP BY cid
|
|
)
|
|
UPDATE "kb_claims" c SET "cited_count" = agg.n FROM agg WHERE agg.cid = c."id";
|
|
|
|
-- ④ 本事(补一条):被起草者真的引用过,就是它有用的直接证据 —— 比「见证过两次」
|
|
-- 更强,因为那是下游主动采纳。回填完计数器才知道是谁,所以放在这里。
|
|
UPDATE "kb_claims" SET "tier" = 'semantic'
|
|
WHERE "cited_count" > 0 AND "status" <> 'deprecated';
|
|
|
|
-- 检索每次都按 (tier, status, kind, confidence) 过一遍,且只看没停用的行。
|
|
CREATE INDEX IF NOT EXISTS "kb_claims_retrieval_idx"
|
|
ON "kb_claims" ("tier", "status", "kind", "confidence");
|