新闻详情

新闻详情

首页 / 资讯中心 / 详情

EverRoom的Room×Wiki自动归类:文档如何智能路由到正确的知识空间

发布时间:2026/11/22 9:19:28来源:尧图网络
EverRoom的Room×Wiki自动归类:文档如何智能路由到正确的知识空间
EverRoom的Room×Wiki自动归类文档如何智能路由到正确的知识空间【免费下载链接】EverRoomEverRoom - A workspace that remembers your projects, decisions, and sources.项目地址: https://gitcode.com/gh_mirrors/ev/EverRoomEverRoom 是一个本地优先local-first的个人上下文工作区把文件、会议、记忆与 AI Agent 连接起来。其中最值得一提的能力就是Room×Wiki 自动归类一份新文档、一条纪要或一个上传的文件会被智能路由到正确的知识空间Context Room沉淀成该 Room 独有的 Wiki 页面。你不需要手动拖拽、手动打标签EverRoom 的自动归类路由层会替你判断这份资料该进哪个房间拿不准时再请你确认错放了还能一键撤销。为什么文档需要一个自动归类传统做法里所有资料要么混在一个大目录里越堆越乱要么靠人手动归档——后者很快就会坚持不下去。EverRoom 的设计文档 docs/room-wiki-plan.md 中把痛点总结得很直白检索噪音大如果所有文档塞进一个全局 WikiA 项目的 Agent 会频繁命中 B 项目的内容无法回答这个 Room 沉淀了什么知识没有边界就谈不上治理上下文边界缺失没有隔离后续协作与权限管理就没有抓手。EverRoom 的解法很干脆每个 Room 懒拥有一个独立 WikiRoom ↔ Wiki 一一映射不设全局 Wiki再配一套自动归类路由层让新资料自动找到归属。Room×Wiki 一一映射知识空间是怎么长出来的这里有一个很省资源的设计——懒创建阶段发生什么建立 Room 时什么都不做不预建 Wiki第一份文档路由进来时调用ensureWikiForRoom现场创建 WikiRoom 长期无活动Wiki 归档但数据保留Agent 不再挂载懒创建的实现在网关侧 apps/gateway/src/modules/knowledge/registry.ts它负责维护 Room 与知识服务KS之间的一一映射Room 注册表、映射表、路由决策记录等表结构定义在 apps/gateway/src/infrastructure/database/schema.ts。好处是大量永远不会收到文档的 Room 不会浪费任何资源而每一个真正活跃的知识空间都有自己干净、独立的页面集合。自动归类路由瀑布一份文档的 5 步旅程 这是整个功能的核心。每当一份文档完成提交document.committed它会被送入一条路由瀑布逐层判断归属。完整实现见 apps/gateway/src/modules/knowledge/router.ts。① 入口确定性来自哪就回哪零成本在 EverRoom 内创建或导入的文档天然带着 Room 归属roomId这一层直接命中几乎不花任何算力。内部文档的绝大多数流量在这一层就出结果了。② 链接与规则更新不漂移零成本如果这份文档此前已经被路由过存在关联记录本次只是版本更新——直接回原 Room 重新沉淀保证改 10 次也不跑偏你也可以显式配置映射规则如某邮箱线程 → 某 Room作为可选的确定性逃生舱。③④ 候选层实体匹配 向量相似度只排序不判决对没有自带归属的外部资料未来的会议纪要、邮件、云文档系统会用两种纯技术信号打分实体匹配从标题和首段提取关键词与各 Room Wiki 的页面标题术语表做包含匹配按区分度加权——评审方案这类各 Room 都有的词权重趋零独占词权重高向量相似度把文档向量与各 Room Wiki 的质心近期文档向量均值做余弦比较在百级 Room 规模下纯内存即可算完无需引入向量数据库。注意一个克制的设计这两层只产候选和证据不做最终决策——阈值调参点收敛到最后一处且每条决策都附带可读理由。⑤ LLM 终审唯一的裁判 ⚖️候选集top 3~5 个 Room连同文档摘要、各候选的匹配分数一起交给 LLM 仲裁输出严格 JSON 结论归入已有 Room、还是提议新建 Room并给出置信度与理由。裁判规则也很人性化按主题归属判不只看字面重叠拿不准就压低置信度绝不硬塞。人在回路待归类队列与可撤销的纠错EverRoom 的取舍是路由错误宁可保守——错误归类会长进 Wiki 实体页并污染后续匹配纠正成本远高于多确认一次。于是有了置信度分档LLM 置信度处理方式 0.6进入待归类队列卡片上附系统建议由你点一下确认0.6 ~ 0.8自动归入已有 RoomUI 上可撤销≥ 0.8自动执行含新建 Room提议你在首页的资料归类面板里可以逐份确认、按建议新建、或撤销最近归类让它重新路由。确认只作用于该文档本身不会被固化成规则——避免一次误确认带偏后续一批文档的复利污染。相关 REST 接口待归类查询、确认、撤销定义在 apps/gateway/src/modules/knowledge/routes.ts。自动建 Room找不到家时给它造一间 如果没有合适的 Room 承接EverRoom不落全局兜底全局 Wiki 是无人治理的垃圾抽屉而是由 LLM 在高置信时自动创建一个originauto的新 Room Wiki并带上 LLM 拟定的简介。防碎片化的三道约束让孤立文档最多催生一个新 Room不会催生一串只有 LLM 终审有权判新主题且置信度 ≥ 0.8 才自动执行新 Room 立即进入后续路由的候选池同类文档第二轮就会归入它重名去重 面板可改名、可合并人工随时可收敛。自动创建的 Room 在界面上带自动创建角标打开或改名即视为认领。快速上手相关配置与源码入口功能通过环境变量灰度控制见 apps/gateway/src/config.ts关键开关包括NXCORE_KNOWLEDGE_ROOM_WIKIS_ENABLEDRoom 级 Wiki 总开关NXCORE_KNOWLEDGE_ROUTER_ENABLED自动归类路由总开关NXCORE_KNOWLEDGE_ROUTE_THRESHOLD_AUTO/_REVIEW高置信自动执行 / 低置信入队阈值默认 0.8 / 0.6NXCORE_KNOWLEDGE_AUTO_CREATE_ROOM_ENABLED自动建 Room 独立开关建议观察 LLM 判决质量后再放开。想深入阅读的入口清单完整设计与里程碑docs/room-wiki-plan.md路由瀑布实现apps/gateway/src/modules/knowledge/router.tsRoom↔Wiki 注册与懒创建apps/gateway/src/modules/knowledge/registry.ts待归类确认/撤销 RESTapps/gateway/src/modules/knowledge/routes.tsAgent 侧会话级 Wiki 挂载apps/gateway/src/modules/agent/service.ts小结EverRoom 的 Room×Wiki 自动归类本质上回答了一个知识管理的老问题资料进来之后谁来把它放对地方答案是——确定性规则零成本处理大多数情况LLM 只仲裁真正模糊的少数低置信交给人错了还能撤销重路由。知识空间由此自组织地长出来而 Agent 在每个 Room 里检索到的永远是干净的、属于这个项目的上下文。【免费下载链接】EverRoomEverRoom - A workspace that remembers your projects, decisions, and sources.项目地址: https://gitcode.com/gh_mirrors/ev/EverRoom创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉