编译式知识库的四道合同：来源不可变、清单双份、图谱可重建、无证据拒答
观点：可靠的知识库不是”存得多”堆出来的，是每层写清合同立起来的——raw 来源不可变（不删原文、不往 raw 加索引、不把源文件复制成同名页面）；编译产物双清单（人读 index ＋机读 manifest）；图谱数据层必须相同输入稳定重建；证据不足必须拒答（no_evidence、引用数保持 0、列相近可核查资料，绝不拼接一个看似完整的答案）。每层各配一个”什么证据才有资格说这层完成了”，库才有可评估的入口。
104 分钟公开课用 DSH 从空目录把企业演示版 LLM Wiki 做到可评估，十轮真实提示词逐字展示。比功能清单更值钱的是两条纪律。其一，完成信号分层：安装了≠已调用、可见≠使用、配置可解析≠依赖可用、Agent 自报完成≠交付——测试全绿＋页面真实交互＋console/失败请求归零，三层证据同时成立才算数，验收截图归档。其二，评估纪律：固定题库、冻结 EVAL_NOW、每例独立临时状态强制串行；先跑基线诚实记录低分，归因”先便宜后贵”、只许动检索权重/阈值这类低成本杠杆修最明显的一个问题，目标是无回归而不是提分最高。主 Prompt 五层约束（工程结构＋共享数据契约＋功能位置＋本轮停止条件＋验收动作写进同一条任务）与四段收口汇报（本轮完成/用到的 Skill/验证证据/下阶段边界）贯穿全程。
洞察： “评估驱动”是”裁决才是脑”的工程化形态——库的价值不在存了多少，而在有没有一套可被驳回的机制；题库就是给知识库装上的驳回接口。页面写出来≠知识可靠，重要结论要回源核对、旧规则查失效、关键更新有人审，这半句常被当成废话，实际是第三、四道合同的验收条款本身。
启示： 量自家沉淀管线的一条硬尺：autosink 目前在验”每步跑完”（出勤记录），没有验”产物合格”（验货机制）——done 应定义为”要点行数、标签计数、frontmatter 闸门三项抽查核过”，5 分钟可定稿。主 Prompt 五层约束＋四段收口可直接搬给任何 coding Agent 派长任务：停止条件（“不要在这一轮实现 RAG/图谱/模型调用”）是最常被省略、返工率最高的一件。
提醒： 全部效果数字（93.4 分、检索命中 38.46% 至 61.54%、47 页/18 来源/75 节点/291 边、16 题、129 条 seed）系课程自报、无对照条件、不可复核——引用只可写”该课程声称”，当不了外部证据；对象是假数据可控的企业演示库，真实噪声数据上拒答与题库的维护成本片内未展示；工具链绑 DSH，“开发体验超过 Codex 和 Claude Code”是作者单方断言；前 3 分钟三连＋评论区【知识库】领课件是带货钩子，纪律与话术分开取；104 分钟屏摄字幕 OCR 重灾（原笔记整理稿本轮标注待专修），引用数字前下爬逐字稿核对。
📺 赋范AI说《从一份原始文档，到能持续更新、回答有据可查的知识库，中间到底要做哪些开发？》，抖音，2026-10-16 · 原视频 · 库内 2026-10-16-编译式知识库全链实战 · 速览 速览/2026-10-16-编译式知识库四道合同 · 碰撞 卡片/方法/10-18-知识库三条路-先分清查原文找关联攒经验（同作者：一条教选路，一条教施工）· 卡片/方法/07-22-王自如skill四件套-规模化即检索（“一万个文档捞两句”的原理层在此有了施工图）