rag的具体案例：通过es在意图识别的时候进行个命中。

1. 有 ES 吗 ------ 有，但只有一个用途

src/es/（3 个文件）+ 共享库 yzliteclaw_infra 的 ESClient / EmbeddingFactory：

文件	职责
`src/es/cache.py`	`EsIntentCache.lookup()`：混合检索 + rerank + 硬命中判定
`src/es/rerank.py`	纯函数加权 rerank + 意图签名抽取
`src/es/factory.py`	`build_es_intent_cache()`：双开关 + Fail-Safe

接线：src/main.py 构建 → src/graph.py:406,443 → src/nodes/intent.py:485（在 llm_intent 之前拦截）。

2. 现状

配置（config/supervisor.yaml）

索引 supervisor-agent-intent-cache-v1
Embedding：TokenHub kinfra-text-embedding-4b，2560 维
阈值：向量召回 0.8 / 硬命中 0.95 / 向量权重 0.5 / TopM 10 / TopK 3 / 超时 1000ms
es_prompt_version: "prompt-v2.1" ------ 检索 filter 用它，改 prompt 必须 bump

部署开关（关键）

环境	`ES_ENABLED`	`INTENT_ES_CACHE_ENABLED`	`ES_URL`
base	`false`	---	占位 `192.168.255.245:9200`
dev	true	true	`http://elasticsearch:9200`
test	值写 `true`，但注释写「明确不上 ES、双开关均显式 false」	`true`	`elastic.svc:9200`（注释说"仅占位不生效"）

→ test overlay 的注释和取值自相矛盾（注释说关、值写的开），这是个真实的不一致，得确认哪个是意图。

数据现状（最要紧的） ：种子文件 scripts/es_seed_data.json 只有 1 条 （我要去云海大厦1栋 → transport-agent），而设计文档要求「每类意图示例记录 >10 」。→ 索引数据远未达标，缓存命中率≈0，ES 层实际几乎不生效。

本地调试看不到它：evals/intent/run_intent_node.py 强制 es_cache=None（保证真走 LLM），我这几轮验证都是绕过 ES 的。

3. 实现了什么功能

意图缓存（语义缓存），不是知识库：

复制代码

query → embedding(2560d)
   ├─ ES 全文 BM25（ik_max_word / ik_smart 中文分词）→ Top10
   └─ ES kNN 向量（cosine, num_candidates=50）→ Top10，再按 ≥0.8 过滤
   → 应用层 rerank：rerank = ft_norm×(1-0.5) + vec×0.5（BM25 用 top2 截顶归一化）
   → 硬命中判定：① TopK(3) 内存在 rerank ≥ 0.95
                 ② 这些高分候选的「意图签名」（agent 集合）完全相同
   → 命中：直接复用缓存的 intents_payload + plan_payload，跳过 LLM（resolved_by=ES_HIT）
   → 未命中 / 超时 / 异常：静默降级 → LLM → KEYWORD 责任链

索引里存的是 intents_payload（意图 JSON）+ plan_payload（计划），object enabled:false（只存不索引）。设计文档原文目标："优化意图识别效率，实现首 Token 输出 <2S"。

4. 能不能达到传统 RAG 效果 ------ 不能，它也不是 RAG

维度	传统 RAG	本项目的 ES
索引内容	知识文档 chunk	意图 + 计划 payload（路由答案）
命中后动作	召回内容 → 喂给 LLM 生成答案	直接返回缓存结果，不生成
生成环节	有（核心）	无
目标	知识问答 / 事实接地	省 LLM 调用、降延迟、结果一致

相同点 ：检索技术栈与 RAG 高度一致（中文分词 BM25 + dense_vector kNN + 混合召回 + 应用层 rerank + 阈值 + Fail-Safe 降级）------所以它是**"RAG 式检索"但不含"生成"**，工程上就是 semantic cache。

真正的知识型 RAG 不在 supervisor ：docs/dd/supervisor/8_env.yaml 明确写「v4 解耦：supervisor 不再使用 Elasticsearch 」「向量库 / RAG 知识库」elasticsearch: {}；知识检索在各子 Agent 内部（如 query-agent 自建 Wiki RAG ES 索引），supervisor 只做路由与编排。

⚠️ 三个要提醒你的点

改 prompt 必须 bump es_prompt_version （当前 prompt-v2.1）。你让我这几轮改 intent_recognition.md 都没 bump ------ 若 dev 的 ES 里有对应旧缓存且命中，就会出现"改了不生效"（虽然目前只种了 1 条、影响面小，但这个机制坑是存在的）。
test overlay 注释与取值矛盾，建议统一（要么改值、要么改注释）。
索引数据几乎为空（1 条 vs 设计要求每类 >10），ES 层的收益目前等于没有；要用起来得先补种子数据。

与文档的矛盾

8_env.yaml 说「supervisor 不再使用 Elasticsearch」，但代码里 ES 意图缓存明确存在、dev 也已开启 ------ 文档没随实现更新（或者说 ES 意图缓存是解耦后以"缓存"形态回归的）。

需要我做什么吗？（补种子数据 / 修 test overlay 一致性 / 对齐文档 / 还是只是了解现状）