workflow_knowledge_flywheel

道-方法 · 道层 skill 全文

本页是 <code>rules/skills/workflow_knowledge_flywheel.md</code> 的逐字投影（仅隐私清洗，零改写）。

知识飞轮设计模式

元数据

• 类型: Workflow
• 适用场景: 知识工程、非结构化信息处理、知识图谱构建
• 创建日期: 2026-02-21
• 来源: 知识图谱项目实践

核心公式

笨数据 + 笨方法 + 笨模型 = 精知识

接受起点数据的不完美，通过可迭代系统逐步提升知识纯度。

为什么选择"笨方法"？

闭源 API 的双重枷锁

1. 成本焦虑：按 token 计费导致不敢尝试计算密集型笨方法
2. 节奏拖累：批处理请求响应时间以小时计，打断"思考-验证-调整"的流畅节奏

本地部署的解放

转向本地部署开源模型后：

• 边际成本接近零
• 大规模迭代成为可行路径
• 5090 集群 + vLLM：32B 模型 128k 上下文仅需两张显卡

飞轮四步循环

触发 → 调用基础模块 → 产生微小进步 → 精炼
  ↑                                      ↓
  ←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←

1. 触发

识别一个微小、可验证的子问题。

2. 调用基础模块

使用简单、可靠的原子操作：

• 线性扫描（而非复杂索引）
• 语义检索（embedding + cosine）
• 结构化输出（JSON/表格）

3. 产生微小进步

每次循环必须有可衡量的产出：

• 提取一个实体关系
• 澄清一个模糊概念
• 补全一个信息缺口

4. 精炼

将进步固化到知识库，成为下一轮的基础模块。

设计原则

1. 问题分解

将宏大问题分解为无数微小、可验证的子问题。

2. 独立性

每次循环是独立、逻辑清晰的过程，不依赖复杂状态。

3. 高成功率

每个子任务设计为必然成功，避免挫败感。

4. 收敛性

飞轮方向明确，每次迭代都在向目标靠近。

5. 静止点突破策略

数据飞轮"静止点"（极稀有数据）突破方法：
利用 VLM 进行初步收割
通过 Human-in-the-loop 纠偏
形成冷启动种子数据

基础模块示例

线性扫描

# 不要过度设计索引，先用线性扫描跑起来
for chunk in text_chunks:
    if is_relevant(chunk, query):
        yield extract_info(chunk)

语义检索

# embedding + cosine similarity 足够处理大多数场景
def semantic_search(query, corpus, top_k=10):
    query_emb = embed(query)
    scores = [cosine(query_emb, doc_emb) for doc_emb in corpus_embs]
    return top_k_indices(scores)

结构化输出

# 强制 JSON 输出，便于后续处理
prompt = """
从以下文本提取人物关系，输出 JSON 格式：
{"relations": [{"person_a": "...", "relation": "...", "person_b": "..."}]}
"""

模型选择建议

推荐：可控的本地模型

• Qwen3-32B：知识工程任务中稳定性验证，无需特别 prompt 微调即可稳定输出
• 量化：INT4 量化下 32B 模型 128k 上下文窗口仅需两张显卡

不推荐

• 昂贵闭源 API（除非预算无限）
• 需要复杂 prompt 工程才能输出格式的模型

避免的陷阱

1. 过度设计索引：先用笨方法跑起来，再考虑优化
2. 追求完美数据：接受起点不完美，靠飞轮迭代
3. 复杂 Pipeline：每增加一个环节就增加一个失败点
4. 过早优化：先有 1.0，再谈优化

实际案例

示例：结构化知识图谱

• 输入：千万字小说文本
• 输出：可交互查询的结构化知识图谱
• 方法：线性扫描 + 语义检索 + 四步飞轮
• 部署：(你自己的部署地址)
• 成本：第一版闭源 API 成本较高，转向本地部署后边际成本为零

参见

• T9. 数据策略与MDP — MDP 概念、数据飞轮静止点突破、数据主权与沉淀

变更日志