insigoo 的通用知识库skill三件套：从建标准到上搜索引擎

本文首发于「愚人益语」公众号，经授权再发布于 insigoo 门户。原文链接：https://mp.weixin.qq.com/s/UFLYMVNRH7aE4M3GMWxYZA 昨天分享了 insigoo-memory，帮公益组织自动分类整理文件。收到很多好评，不过作为一个为公益组织定制的完整的知识管理工具，它打包了很多公益组织的项目管理场景进去，有伙伴问：我就想要一个纯净版的知识库搭建skill,有没有？

有，所以我又蒸馏了三个工具，它们不是三个独立产品，而是一条 从零到精通的升级路线。

— 1 —

三件套，一条升级路线

工具	解决什么	适合谁
insigoo-wiki	知识库怎么组织，AI 才能读懂	任何组织，零门槛
insigoo-agentic-rag	文件多了怎么搜，语义检索怎么搭	50+ 文档的中型组织
insigoo-sag	大规模语义搜索，Agent 直接调	500+ 文档，有技术能力

Wiki（建标准）→ RAG（加检索）→ SAG（上引擎）——先从最简单的开始用，觉得不够了再升级，随时都可以。当然，一般的个人工作场景，insigoo-wiki已经够用了。

— 2 —

insigoo-wiki：零依赖的知识库体系

如果你连 Python 都不想装，wiki 版就够了。

核心是一套 四级索引体系：

• 目录索引：文件在哪个区、最后更新日期
• 项目索引：文件属于哪个项目/主题
• 场景索引：你能问什么来找到这个文件
• 语料索引：Agent 从对话中提炼的问答路径（高频问答无需重复搜索）

前三个索引解决”怎么找到”，第四个解决”怎么更快找到”——频次 ≥ 5 的问答自动标记为热路径，Agent 优先匹配。

你只需要一个文件夹 + 四个 Markdown 索引文件，AI 就能检索你的知识库。不需要安装任何软件。

— 3 —

insigoo-agentic-rag：让 AI 读懂你的知识

文件超过 50 份的时候，光靠文件名搜索不够用了。agentic-rag 在 wiki 的基础上加了 语义向量检索——你问”去年净滩花了多少钱”，它不只是搜文件名，而是搜内容语义。

三大模块

LLM Wiki 标准（必选）：文档怎么写，AI 才读得懂。五大原则——纯 Markdown、结构化标题、元信息前置、原子化、可链接。按标准写，现在能用、未来 AI 也能用。

三层索引体系（必选）：目录索引、主题索引、提问场景索引，覆盖三种检索路径。

Agentic RAG（可选）：基于 Ollama 的本地 AI 问答，数据不出本机。文档 50-200 份建议开启，200+ 份则建议直接上 SAG。

为什么 RAG 是可选的？因为强制 RAG 会增加门槛（需要 Ollama、Python 环境），违背”非技术背景可操作”的原则。先按标准把知识库建起来，等文档多了再开 RAG，随时可以升级。

— 4 —

insigoo-sag：给 Agent 装上搜索引擎

文档 500+ 的时候，你需要的是专业级搜索引擎。SAG 基于 PostgreSQL + pgvector，支持 MCP 协议，Agent 可以直接调用。

和 insigoo-memory 的分工

	insigoo-memory	insigoo-sag
用途	文件分类·诊断·看板	语义搜索·向量检索
什么时候用	文件刚进来，需要归档	想找内容但不知道文件名
安装	pip install	docker-compose up

建议搭配使用：memory 管前端（分类+看板），SAG 管后端（搜索+召回）。

SAG 不只是向量搜索

SAG 背后的技术来自一篇学术论文（arxiv.org/abs/2606.15971），核心思路不是给模型塞更多 chunk，而是把每个文档切片提取成 事项（event）+ 实体（entities），让检索可以从命中事项出发，多跳召回相关内容。

在 HotpotQA / 2WikiMultiHop / MuSiQue 三个基准测试上，SAG 的平均 Recall@2 从 HippoRAG 2 的 68.14% 提升到 79.30%，相对提升约 16.4%。

对公益组织来说，这意味着：你问”去年净滩花了多少钱？效果怎么样？“——SAG 能从预算表和评估报告中精准定位，不只是搜文件名。

— 5 —

一张图看全貌

insigoo 知识库工具矩阵

├── 📂 insigoo-memory    文件自动分类 + 看板 + 诊断

├── 📝 insigoo-wiki       零依赖四级索引（升级起点）

├── 🔍 insigoo-agentic-rag   LLM Wiki标准 + 可选RAG

└── 🚀 insigoo-sag       专业语义搜索引擎 + MCP

升级路线：Wiki → RAG → SAG

— 6 —

怎么安装

三个工具都已上架 SkillHub，一行命令安装：

请先检查是否已安装 SkillHub 商店，若未安装，请根据 skillhub.cn/install/skillhub.md 安装 SkillHub 商店，但是只安装 CLI，然后安装对应技能。若已安装，则直接安装：

• insigoo-wiki
• insigoo-agentic-rag
• insigoo-sag

也可以直接从 GitHub 获取源码：

• insigoo-wiki：github.com/ericyueric/insigoo-wiki
• insigoo-agentic-rag：github.com/ericyueric/insigoo-agentic-rag
• insigoo-sag：github.com/ericyueric/insigoo-sag
• insigoo-memory（之前已开源）：github.com/ericyueric/insigoo-memory

全部 MIT 许可，自由使用、修改、分发。

我们相信，公益组织的知识管理不该是一个难题。这些工具不是什么大产品，但每一个都解决一个很具体的问题。先从最简单的开始用，觉得不够了再升级，随时都可以。

有问题、有建议、想贡献代码——欢迎找我们：insigoo@insigoo.cn

insigoo 因思阁

让每一个公益组织都有属于自己的 AI 工具箱

预览时标签不可点

Scan to Follow

Got It

Scan with Weixin to

use this Mini Program

CancelAllow

CancelAllow

CancelAllow

×分析

微信扫一扫可打开此内容，

使用完整服务

: ，，，，，，，，，，，，.VideoMini ProgramLike，轻点两下取消赞Wow，轻点两下取消在看ShareCommentFavorite听过