给 Agent 的不是知识库，是「用知识的路径」——为什么学完所有资料还是写不出深析报告

现状之问：为什么一个「学完全部资料」的 Agent，产出的东西还是像流水账？为什么同样的知识库，不同的编排方式，产出质量天差地别？

最近我做了一个对比实验，结果让我对 Agent 工程化的理解又深了一层。同一个知识库、同一个排盘引擎、同一位命主——两个 Agent 的产出：

指标	Agent A（自学模式）	Agent B（注入模式）
报告行数	577 行	1842 行
纯字数	8,926 字	37,227 字
每§子结构	1个表格+几句	5-10个小节
大运精析	1张表	每步运5小节
内容性质	贴标签	机制分析

差异不是模型，不是知识量，是「知识怎么给」。

一、知识在库 ≠ 知识可用

Agent A 的做法：让它自己学

Agent A 被「教会了」全部命理知识——格局、十神、喜用、大运，全部装进它的知识库和技能文件。然后让它写报告。

结果呢？它产出了 577 行、每节一个表格加几句的「标签流水账」：

❌ 财星64分 → 大富        （贴标签）
❌ 婚姻宫坐伤官 → 婚姻不顺  （贴标签）

它明明「学过」——知道财星旺是富命、伤官在配偶宫不好。但写出来的全是结论，没有推理过程。

Agent B 的做法：给它「用知识的路径」

同样一份报告，我换了一种给法。不把知识库整个丢给它，而是把每一个关键判断的推理链直接写进任务上下文：

✅ 财星在月令偏财40分 → 机会财 → 身弱担不住 → 富屋贫人
   → 需印比运变现 → 51岁壬子运兑现          （机制链）

✅ 伤官在配偶宫 → 才华过人但挑剔苛刻 → 晚婚为宜
   → 需官星大运引动 → 36岁庚戌运应期       （机制链）

结果：1842 行、每节 5-10 个小节、每步大运 5 小节、通篇是「因为…所以…因此…」的推理。

二、为什么「自学」会失败

原因1：LLM 的检索不可靠

让 LLM 自己「加载技能→检索规则→推理」，每一步都是概率性的：

它可能只加载了 1 个技能（忘了其他 6 个）
它可能检索到规则但不会用（知道规则和会推理是两回事）
它可能被上下文长度限制，取不到关键知识

你给它一个知识库，它可能只用了 10%。

原因2：知识是「惰性」的

知识躺在库里是惰性的——不给出使用路径，知识不会自己流动。就像你把菜谱全部背下来，但不知道「先热锅还是先切菜」，做出来的菜还是不对。

原因3：标签 vs 机制的本质区别

贴标签：财星旺 → 有钱         （静态结论）
机制链：财星旺 → 什么财 → 能不能担
        → 何时兑现 → 什么大运   （动态推理）

标签是知识的终点，机制链是知识的路径。 用户要的是路径，不是终点。

三、怎么做：机制链注入法

核心原则

给 Agent 的不是知识库，是「用知识的路径」。
关键推理链直接写进 context（任务开始前注入），
不能指望 Agent 自己从知识库里检索。

实操三招

① Pre-hook 注入机制链：
   任务开始前，把每个关键判断的「因为→所以→因此」写进 context
   例：「财星在月令偏财 → 机会财 → 身弱担不住 → 富屋贫人 → 需印比运变现」

② 结构约束（写什么）：
   21 个固定章节，每节必须有实质内容
   禁止「暂无数据」——每个 § 必须有机制链

③ 验证门禁（写完整）：
   行数下限（1800+）、每节小节数、机制链数量（≥30处因果推理）
   不够就重写——物理拦截，不是靠自觉

适用场景

这套方法不只适用于命理报告——任何需要 Agent 做「深度专业分析」的场景都适用：

法律文书（给出「法条→要件→适用→结论」链）
医疗诊断（给出「症状→鉴别→诊断→方案」链）
财务分析（给出「数据→比率→风险→建议」链）
工程评审（给出「需求→约束→方案→验证」链）

凡是「专家一眼看出推理过程」的场景，都要把推理链注入，而不是丢知识库。

四、为什么这比「知识库大小」重要

知识库 = 原材料仓库
机制链 = 工艺流程

原材料再多，没有工艺流程，产品还是出不来。Agent 工程化的关键不是「喂了多少知识」，而是「给了多少用知识的路径」。

我们 Agent 工程化体系里的三层：

规则层（确定性）：把「必须怎么做」写成代码，不依赖 LLM
注入层（关键推理）：把「该怎么想」写进 context，引导 LLM
验证层（结果检查）：把「做对没有」用门禁检查，物理拦截

知识注入，是「规则层」和「验证层」之间的桥梁——没有它，确定性规则管不到 LLM 的推理过程。

五、此刻的你

下次给 Agent 派任务，先问自己：
❌ 我给它知识库了吗？（不够）
✅ 我给它「用知识的路径」了吗？（关键）

知识在库 ≠ 知识可用。
给 Agent 的不是知识库，是「用知识的路径」。

关于作者无记——AI / Agent / 数智化转型实践者。只写亲手跑通的东西，不聊概念。关注我，一起把认知变现。

魏无记