maogeigei
6e4ce9441c
定性：素材载体切换（本地 md -> WeKnora 容器），非扩容；驱动方向由素材驱动改为方法驱动。
- 新建 references/接口调用/WeKnora_极致事件检索.md 调用契约：MCP hybrid_search（服务 weknora）/ kb_id 用库名禁写死 UUID / match_count=3 / vector_threshold=0.5 显式 / 不传 keyword_threshold / 零命中判据 success=true 且 data=null / 只读 chunk_metadata.answers[0] / 禁用 chat 与 agent_chat / 复筛<=2条每节点 / 取材不取形转译 / 降级矩阵 / 成本控制
- S7 布位表新增「候选创作方法」列（4->5 列）打通方法层（此前 05_极致事件 6 个方法文件在创作流程中 0 调用）
- S7 新增「极致触点素材检索」按需环节 + {material_content} 定死结构 + 极致触点机制自检（[期待A]-被X打破->[结果B]）；输入章节素材库改双层源（主源 WeKnora / 降级 md，md 永不删除）
- 6 个方法文件补「素材供给」块（极致标签 / 定库检索入口 / 问法②打破方式填法）
- SKILL.md MCP 依赖节增 WeKnora 检索层（含静默降级口径）；S7 小节补调用链；frontmatter updated_at
- 索引_知识素材库.md 修正 03/05/06/07/08/11 定性（实为字段结构模板而非素材库）；新增「接口调用」章节
- S9 输入增 {material_cards} + 新增台词毛边三档参考；S11 类1「爆点贯穿」升级为爆点溯源 4 判据，八类35项清单同步
- 根目录补 3 份方案/规范文档 + 2 份 09-23 WeKnora 文档；变更日志归档
7.6 KiB
极致事件素材库 · WeKnora 容器交付说明 V1.0
一句话：容器已建好，11 张卡全部灌入并验证可检索。唯一必须记住的参数是
vector_threshold = 0.5—— 不传它（默认 0.7）口语问法几乎召不回来。 日期：2026-09-23 ｜ 环境：本机 WeKnora 0.8.0（Docker，localhost:31607） 配套脚本：tools/weknora-fit/5_build_event_lib.py（建库+灌卡）、6_threshold.py（阈值扫描）
一、容器信息
| 项 | 值 |
|---|---|
| 库名 | MCN极致事件素材库 |
| 库 ID | e6772e41-7b72-499d-b46c-e5ca7c9d1740 |
| 类型 | FAQ 型（type=faq，一条目 = 一分块，不走文档分块器） |
| embedding | 03f0cf45-38dd-4330-aed9-38e394e66160（BAAI/bge-m3，remote） |
| summary | a2de7804-1a1b-4940-800a-bf877f64b5be（glm-5.3-flash） |
| 索引策略 | vector=true / keyword=true / graph=false / wiki=false |
| faq_config | index_mode=question_answer、question_index_mode=combined |
| 条目数 | 11（导入 11 / 成功 11 / 失败 0） |
| 地址 | http://127.0.0.1:31607 ｜ 鉴权头 X-API-Key |
⚠️ 建库时三件事必须一起给：
type=faq+embedding_model_id+indexing_strategy{vector,keyword}。缺 embedding → 导入卡在processing/0%且 error 字段为空；缺 indexing_strategy → 入库 100% 成功但检索永远返回空（静默失败）。
二、库内 11 条条目
| # | 事件卡 | 主标签（tag_name） | 答案长度 | 相似问 | 反例问 |
|---|---|---|---|---|---|
| 100000017 | 高温实物证言 · 手机壳被晒化 | 反常识 | 678 字 | 4 | 2 |
| 100000018 | 沙疗活埋 · 从挑战者到沙漠「炮塔」 | 反差 | 679 字 | 4 | 2 |
| 100000019 | 番茄牛腩（红烧牛腩） | 食材极致 | 978 字 | 4 | 2 |
| 100000020 | 蒜香辣鸡爪 | 难度极限 | 969 字 | 4 | 2 |
| 100000021 | 皮蛋炒饭 | 难度极限 | 955 字 | 4 | 2 |
| 100000022 | 「随地大小睡」 | 反常识 | 623 字 | 4 | 2 |
| 100000023 | 浴室盲拍 · 只拍门，只听惨叫 | 自嘲反差 | 621 字 | 4 | 2 |
| 100000024 | 「雷霆发型」怼脸 | 反差 | 576 字 | 4 | 2 |
| 100000025 | 端着饭追过 5 个空间 | 反差 | 677 字 | 4 | 2 |
| 100000026 | 「我还给你带瓶水」的预判 | 预见式服务 | 654 字 | 4 | 2 |
| 100000027 | 一阵凉风，执念光速漂移 | 反差 | 609 字 | 4 | 2 |
标签分布：反差 4 ｜ 反常识 2 ｜ 难度极限 2 ｜ 自嘲反差 1 ｜ 食材极致 1 ｜ 预见式服务 1（全部为 12 维词表原样值，无自造词）
标签 seq_id（标签优先检索要用）：反差 10000009 ｜ 反常识 10000010 ｜ 自嘲反差 10000011 ｜ 难度极限 10000012 ｜ 预见式服务 10000013 ｜ 食材极致 10000014
三、检索参数（本轮最重要的发现）
3.1 默认阈值 0.7 让口语问法基本召不回来
SearchFAQEntries 里 if req.VectorThreshold <= 0: VectorThreshold = 0.7 —— 0.7 是硬编码默认值，且 FAQ 检索恒为 DisableKeywordsMatch: true（纯向量，关键词完全不参与）。
阈值扫描（33 个探针 × 7 档阈值，脚本 6_threshold.py）：
| 探针组 | 条数 | 0.7（默认） | 0.5 | 0.45 | 0.4 |
|---|---|---|---|---|---|
| A 标准问原句 | 11 | 11 命中（各 1 条） | 11/11，top1 全对 | 同 | 同 |
| B 相似问原句 | 11 | 8 命中 / 3 条 0 | 11/11，top1 全对 | 同 | 同 |
| C 未登录新口语问法 | 11 | 仅 1/11 | 11/11，top1 全对 | 11/11（召回满 5 条） | 同 |
C 组才是 S7 的实际使用方式（说人话去要素材）。0.7 下 10 条召不回来；0.5 下 11 条全中且 top1 就是期望的那张卡。
3.2 推荐参数
| 场景 | 参数 |
|---|---|
| 常规检索 | vector_threshold = 0.5，match_count = 3~5 |
| 要更多候选 | vector_threshold = 0.45（召回更满，top1 不变） |
| 圈定标签范围 | 加 first_priority_tag_ids: [seq_id]（0.5 阈值下工作正常，见 §3.3） |
3.3 标签优先检索实测（阈值 0.5）
| 标签（seq_id） | 限定后命中 | 库内该标签条目数 |
|---|---|---|
| 反差(10000009) | 4 | 4 ✅ |
| 反常识(10000010) | 2 | 2 ✅ |
| 难度极限(10000012) | 2 | 2 ✅ |
| 自嘲反差(10000011) | 1 | 1 ✅ |
| 预见式服务(10000013) | 1 | 1 ✅ |
| 食材极致(10000014) | 1 | 1 ✅ |
0.7 阈值下这 6 项全部返回 0 —— 说明标签优先的失败也不是标签机制的问题，同样是阈值。
四、调用方式
只能用 HTTP API —— MCP 通道暴露 40+ 工具但没有 FAQ / Tag 工具（hybrid_search 也不带 tag_ids）。
import requests
BASE = "http://127.0.0.1:31607/api/v1"
H = {"X-API-Key": "<key>", "Content-Type": "application/json"}
KB = "e6772e41-7b72-499d-b46c-e5ca7c9d1740"
r = requests.post(f"{BASE}/knowledge-bases/{KB}/faq/search", headers=H, timeout=60, json={
"query_text": "找一条反差感强的事件，人物前面很狂、后面被打脸",
"match_count": 5,
"vector_threshold": 0.5, # ← 必须显式传，默认 0.7 召不回
# "first_priority_tag_ids": [10000009], # 可选：圈定「反差」范围
})
for e in r.json()["data"]:
print(round(e["score"], 4), e["tag_name"], e["answers"][0][:60])
调用注意（踩坑记录）：
dry_run是异步任务且占用导入通道 —— 紧接正式导入会400 已有导入任务进行中。- 沙箱内
curl localhost必须--noproxy '*'，否则代理返回 502。 - 导入是异步任务，要轮询
/faq/import/progress/{task_id}等completed。
五、字段映射（卡片 → FAQ 条目）
| 卡片字段 / 结构 | FAQ 条目字段 | 说明 |
|---|---|---|
| 主检索意图（本轮设计） | standard_question |
一句话「我要什么素材」 |
| 其他问法（4 条/卡） | similar_questions |
唯一召回杠杆（关键词不参与检索） |
| 不该命中的边界（2 条/卡） | negative_questions |
不入索引，用于界定 |
| 整张卡正文 | answers[0] |
不切分，576–978 字完整保留（原子性） |
| 主标签（12 维之一） | tag_name |
条目唯一标签，用于圈定范围 |
六、已知限制（如实说明）
| # | 限制 | 影响 |
|---|---|---|
| 1 | 条目单标签 | 次标签（如 T1 的 视觉冲击）只存在于答案正文，tag_name 只能是主标签 → 按次标签圈定做不到 |
| 2 | 关键词完全不参与检索 | 相似问里塞的「反常识 实物证言 手机壳晒化」这类关键词串无效；召回全靠向量语义 |
| 3 | CustomMetadata 不参与过滤 |
「铺垫量级=短 且 极致类型=反转」这类多字段硬过滤做不到 |
| 4 | T3「石榴籽」未入库 | 按 4.4 条款属情绪效果、不设标签，故无卡无条目（正确行为，非遗漏） |
| 5 | 阈值 0.5 是11 条样本的经验值 | 扩样本后需复扫（脚本可复用） |
| 6 | MCN极致事件素材库 与 mcnvideoprompt 互相独立 |
未混库；本轮未碰 mcnvideoprompt |
七、待定（需你决策）
| # | 事项 | 说明 |
|---|---|---|
| 1 | 技能是否接入 | 是否在 7_生成短视频大纲.md 的极致触点布位处加「素材检索入口（WeKnora FAQ 库，阈值 0.5）」——动了就是技能文件变更，需你确认 |
| 2 | 扩样本 | 33 条热门清单里还剩约 28 条未提炼；扩量后建议复扫阈值 |
| 3 | 次标签承载 | 若要按次标签圈定，需改为「按标签拆条目」或「标签名写入相似问（但关键词不参与，效果有限）」 |