知识库与 RAG

EnvoyMesh 如何存储文档、检索相关片段，并为聊天草稿、知识查询和 Envoy AI 组装 LLM 提示。

核心原则

1. 保险箱是基础 —— EnvoyMesh 保险箱是一个本地优先的文件存储，带有 RAG 索引。它可以独立工作 —— 无需插件。
2. 敏感度是逐项的 —— 文件夹组织内容。敏感度标签控制访问。同一个文件夹可以包含公开和私有的项目。
3. 插件是可选的客人 —— EnvoyMesh 拥有保险箱。插件可以读写内容文件夹，但从不接触内部元数据。
4. 公共知识是真正公开的 —— 公共项目可被所有 EnvoyMesh 对等方发现和查询。

保险箱核心

Envoy Local 嵌入与恢复

知识库索引使用主节点上的本地嵌入 sidecar（端口 18791 的 llama-server 运行 Qwen3-Embedding）。桌面默认设置无需云端 API 密钥。

若块过大或 embed sidecar 卡住，重新索引会自动恢复 — 缩小超长文本、重启嵌入进程，并仅跳过仍失败的文档，其余保险库保持可检索。从旧版本升级后，请在知识库 → 重新索引运行一次，以在安全块大小下重建旧块。

敏感度级别

Obsidian 集成

在保险箱中添加 Obsidian 风格的知识管理，无需用户切换应用。已经使用 Obsidian 的用户可以将插件指向他们的保险箱。未使用的用户可以使用原生保险箱功能。

工作原理

1. 保险箱目录共享 —— EnvoyMesh 保险箱根目录同时也是 Obsidian 保险箱
2. Frontmatter 解析 提取元数据 → 丰富保险箱索引
3. 链接图谱 从 [[wiki-links]] 构建 → 暴露给智能体
4. 文件监视器 监控变化 → 触发重新索引

Frontmatter 集成

Obsidian 笔记可以在 frontmatter 中声明敏感度：

---
title: LLM 基准测试 2025
tags: [ai, llm, benchmarks]
aliases: [AI 模型对比]
published: true
date: 2025-06-15
---

公共知识网络

公共保险箱项目可被所有 EnvoyMesh 对等方发现和查询，而不仅仅是绑定联系人。

访问控制

速率限制

RAG 管道

LLM 提示由多个上下文源组装：

┌─────────────────────────────────────────────────────────────────┐
│                        LLM 提示（一次调用）                        │
├─────────────────────────────────────────────────────────────────┤
│ 1. 智能体身份 (agent-identity.md)                               │
│ 2. AI 身份模式 (隐形 / 透明 / 防御)                             │
│ 3. 规则 / 状态 / 绑定权限                                        │
│ 4. 关系 + 人类档案上下文                                         │
│ 5. 最近聊天消息 + 旧聊天的 RAG 命中                              │
│ 6. 保险箱知识片段 (RAG)                                         │
│ 7. 外部 MCP 知识（如已配置）                                      │
│ 8. 用户查询或入站消息                                            │
└─────────────────────────────────────────────────────────────────┘

支持的文件格式

原生文本（直接读取）：.txt、.md、.json、.csv

提取文本（索引时解析）：.pdf、.docx、.doc、.pptx、.ppt、.xlsx、.xls、.html、.htm、.rtf

操作

添加文档

1. 导入文件：库标签 → 导入（或拖放）
2. 创建笔记：笔记部分 → 新建笔记（原生 Markdown 编辑器）
3. 文件增量索引 —— 无需重启

分享公共知识

1. 库标签 → 选择项目 → 切换发布
2. 公开项目被广告到网络进行发现
3. 任何对等方都可以查询你的公开项目（陌生人有速率限制）