WeKnora 问答实现

提问时，WeKnora 提供两种运行时：快速问答与智能推理。快速问答是固定顺序的事件插件链；智能推理是 ReAct 循环，由模型通过 Function Calling 选用工具。产品上没有单独的「计划模式」「循环模式」------计划、循环次数是智能推理里的工具或上限。两条路径共用同一套 SSE 事件。

快速问答：各步骤做什么

无知识库且未开网页搜索时，流水线很短：可选加载历史 → 流式生成。否则动态拼成完整 RAG 链：

go 复制代码

// internal/application/service/session_knowledge_qa.go
pipeline = types.NewPipelineBuilder().
    AddIf(hasHistory, types.LOAD_HISTORY).
    Add(types.QUERY_UNDERSTAND).
    Add(types.CHUNK_SEARCH_PARALLEL).
    Add(types.CHUNK_RERANK).
    AddIf(req.WebSearchEnabled, types.WEB_FETCH).
    Add(types.CHUNK_MERGE).
    Add(types.FILTER_TOP_K).
    AddIf(chatManage.DataAnalysisEnabled, types.DATA_ANALYSIS).
    Add(types.INTO_CHAT_MESSAGE).
    Add(types.CHAT_COMPLETION_STREAM).
    Build()

各阶段职责：

阶段	做什么
LOAD_HISTORY	按轮数从消息表取历史问答，拼进后续上下文。
QUERY_UNDERSTAND	一次模型调用做查询改写与意图分类（寒暄、闲聊、要检索、追问等）。意图若不需要检索，后续检索插件仍会触发，但内部直接 `next()`，不打向量库。有图时可用视觉模型一并出图描述。
CHUNK_SEARCH_PARALLEL	并行跑知识库混合检索（稠密 + 稀疏 + RRF，见混合检索）与可选网页搜索；图谱开启时还可并行实体检索。召回不足且打开查询扩展时，再并发变体查询补一轮。
CHUNK_RERANK	用重排模型对候选段落打分、按阈值排序并按 `RerankTopK` 截断；未配置重排模型则跳过。
WEB_FETCH（可选）	对网页搜索命中的 URL 拉正文，丰富引用材料。
CHUNK_MERGE	去重、历史引用弱化、子块抬父块、重叠区间合并、FAQ 答案填充等，整理成一份待进提示词的结果集。
FILTER_TOP_K	再截一刀，控制最终进模型的条数。
DATA_ANALYSIS（可选）	表格类分析开启时，走数据分析相关步骤。
INTO_CHAT_MESSAGE	按上下文模板把检索结果与用户问题拼成模型输入；引用别名在此前后处理（见回答溯源）。拼好的内容可写入 `RenderedContent` 供下轮历史使用。
CHAT_COMPLETION_STREAM	流式调用对话模型，经事件总线推到 SSE。

快速问答侧的「插件」是按事件类型注册的流水线插件 ：每个插件声明自己关心的 EventType，EventManager 按流水线顺序触发；插件内决定干活还是跳过。阶段固定、行为可关，排障时能对上「卡在改写还是重排」。

智能推理：循环机制与 Function Calling

智能推理不是「只调一次模型、在一次响应里塞满所有工具」。它分两层，容易混在一起：

层次	是什么	次数感
外层循环（ReAct）	每轮一次 LLM 调用；有工具则执行并写回 messages，再开下一轮	由 `MaxIterations` 封顶（引擎常量默认约 20；智能体配置可改，校验还有更小的兜底与硬上限）
单轮 Function Calling	这一次 LLM 响应里，模型可返回 0～多个 `tool_calls`（可并行执行）	跟「20」无关；20 不是「Function Calling 默认能调 20 次」

也就是说：多轮 = 多次 LLM 调用 ；Function Calling = 某一轮响应里选用工具的协议 。轮与轮之间靠累加的 messages 协作（上一轮的工具结果成为下一轮输入），没有单独的「计划模式」产品开关------计划类能力是可选工具（如 todo_write），循环次数是配置上限。

每轮内部大致是 Think → Analyze → Act → Observe：

Think：系统提示、历史、当前用户轮 + 已注册工具的 Function Definition → 对话模型（开启 function calling）。
Analyze ：若自然停止（stop / end_turn 等）且无 tool_calls，本轮文本即最终答案，结束外层循环。没有名为 final_answer 的工具。
Act ：若有 tool_calls，按名从注册表执行（串行或并行由配置决定），写成 tool 消息。
Observe ：结果追加进 messages，进入 下一轮 LLM ；同时可做上下文压缩（见上下文管理）。

go 复制代码

// internal/agent/engine.go（分析是否答完）
verdict := e.analyzeResponse(ctx, response, step, ...)
if verdict.isDone { /* FinalAnswer = 本轮文本；跳出循环 */ }
// 否则 executeToolCalls → 写回 messages → 继续下一轮 LLM

流式开场白 也是单轮内的事，与 MaxIterations 无关：模型可能先流式吐出「我去查一下」，再发出 tool_call。前端一开始可能把它当答案展示；一旦确认本轮有工具调用，这段字改判为开场白（preamble），挪进步骤树，不写入最终消息。真正答案仍是某轮「无工具、自然停止」时的纯文本。

可插拔工具各自做什么

内置工具实现同一接口，按名注册；UI / 预设里的清单与 AvailableToolDefinitions 对齐。常见几类：

工具	作用
`knowledge_search`	语义检索（内部仍走混合检索 + 重排）
`grep_chunks`	关键词快速定位块
`list_knowledge_chunks`	按文档列出分块，便于通读
`query_knowledge_graph`	查知识图谱实体关系
`get_document_info`	文档元数据
`web_search` / `web_fetch`	网页搜索与抓取正文（开网页搜索时才挂上）
`data_schema` / `data_analysis` / `database_query`	表结构、分析与库查询
`wiki_*`	读/搜/写 Wiki 页、源文档、问题标记等（有 Wiki 库时才保留）
`thinking` / `todo_write`	逐步思考、列计划；预设里常默认关掉，避免简单问答浪费 token
`read_skill` / `execute_skill_script`	渐进读取技能说明、在沙箱跑技能脚本
MCP 工具	远端 MCP 服务上的工具，包装后同名注册进同一注册表（名形如 `mcp_{服务}_{工具}`）

危险 MCP 可走审批门；需 OAuth 的服务可在会话中授权后再续跑。

插拔怎么设计

核心是三层：统一接口 → 注册表 → 按配置装配。

1. 工具接口（所有内置 / MCP / 技能执行器都实现）：

go 复制代码

// internal/types/agent.go
type Tool interface {
    Name() string
    Description() string
    Parameters() json.RawMessage // JSON Schema，给 Function Calling
    Execute(ctx context.Context, args json.RawMessage) (*ToolResult, error)
}

2. 注册表 ToolRegistry：RegisterTool（同名先到先得，防劫持）、GetFunctionDefinitions（按名排序，便于提示缓存）、ExecuteTool（校验参数后再 Execute）。引擎只依赖注册表，不依赖某个具体工具类型。

3. 装配策略（创建引擎时）：

以智能体配置里的 AllowedTools 白名单为准；空则用默认列表。不会静默塞进用户没选的工具。
再按能力裁剪：本轮没有知识库范围时去掉 KB/Wiki/数据分析类；没有 Wiki 库时去掉 wiki_*；开启网页搜索时才追加 web_search / web_fetch。
MCP 按 MCPSelectionMode（all / selected / none）拉服务，每个远端工具包装成实现同一 Tool 接口的适配器，再 RegisterTool。
技能开启时注册 read_skill 等；脚本执行受沙箱模式约束。

因此「插拔」不是改引擎主循环，而是：实现 Tool → 出现在允许列表且通过能力过滤 → 注册进表 → 模型在 Function Calling 里看见并选用 。快速问答的流水线插件是另一套插拔（按 EventType），面向固定阶段；智能推理的工具插拔面向开放动作集。两者都把「扩展点」收成接口 + 注册，而不是在核心路径里写死 if tool == xxx。

提升了什么

固定链保证日常问答路径可预期、可按阶段观测；工具注册表让多步任务、MCP、技能在同一循环里扩展，而不复制第二套 Agent 运行时。前端仍只消费一套流式事件。

好处与代价

好处

快速问答阶段清晰，意图不需检索时可跳过重活。
工具白名单 + 能力过滤，减少模型调用必然失败的工具。
MCP / 技能与内置工具同一接口，扩展面统一。

代价

快速问答默认不会因首轮检索差而自主多跳（除非查询扩展等补丁）。
智能推理轮次多、上下文与费用更高；过渡句与最终答案的流式区分增加复杂度。
工具过多或计划/思考类默认打开时，简单问答也容易绕远路。

基于 WeKnora v0.7.0

上一篇：WeKnora 混合检索｜下一篇：WeKnora 上下文管理