智能体知识库目录怎样保存来源？用相对路径和文件哈希建立可回查清单

智能体知识库目录可以同时保存相对路径与文件哈希。路径帮助读者找到来源，哈希帮助判断索引是否基于当前字节内容，两者不能互相替代。

准备给知识库建立来源目录的读者。本文使用 Python 3.11 或以上版本的标准库，先验证一组人工构造的小样本。AI 负责提出实现或解释差异，结果由本地检查决定；这里没有把模型回答当成真实运行结果。

建立知识库来源文件清单前，先定规则

同名文件可能位于不同子目录，因此本例以相对路径区分，不把basename当唯一文档ID。

内容相同的两份文件可以具有不同来源归属，摘要一致不能自动合并来源。

清单不上传正文，仍可能包含内部文件名；正式分享范围应符合资料权限。

给 AI 的输入要包含什么

把下面这份输入说明和你的实际样本一起交给可用的 AI 编程助手。示例只含虚构数据；对真实材料先去除账号凭据和个人信息。

在限定临时目录建立知识库manifest：相对posix路径、字节长度、SHA256，稳定排序；两个不同子目录same.txt内容不同，记录不能覆盖。不让AI臆造URL或页码。

要求模型保留检查条件，并把它认为缺少的业务定义列出来。若回答改变了输入字段、忽略异常分支或直接删除原材料，先要求修正，再运行。提示词的作用是缩小任务范围，验收仍以代码和数据为准。

保存并运行最小验证程序

下方程序把关键规则和验证用例放在同一个可复跑示例中，便于先理解输入如何变成输出，再用它检查 AI 给出的实现。

新建一个空目录，把下面代码保存为 check.py，在该目录打开终端，运行 python -X utf8 check.py。代码自带示例输入，不需要安装第三方库。

from pathlib import Path
from tempfile import TemporaryDirectory
import hashlib,json
with TemporaryDirectory() as tmp:
    root=Path(tmp)
    for folder,data in [('a',b'policy A'),('b',b'policy B')]:
        (root/folder).mkdir();(root/folder/'same.txt').write_bytes(data)
    records=[]
    for path in sorted(root.rglob('*.txt')):
        data=path.read_bytes()
        records.append({'path':path.relative_to(root).as_posix(),'bytes':len(data),'sha256':hashlib.sha256(data).hexdigest()})
    assert [r['path'] for r in records]==['a/same.txt','b/same.txt']
    assert records[0]['sha256']!=records[1]['sha256']
    print('paths',[r['path'] for r in records])
    print('distinct_content',True)
    target=root/'source_manifest.json'
    target.write_text(json.dumps(records,ensure_ascii=False,indent=2),encoding='utf8')
    restored=json.loads(target.read_text(encoding='utf8'))
    assert restored==records and all(len(r['sha256'])==64 for r in restored)
    print('saved_records',len(restored),'hashes_retained',True)

怎样判断结果符合要求

程序将两条完整记录写入临时练习目录的 source_manifest.json，再读取并逐字段比较；输出 saved_records 2 与 hashes_retained True。TemporaryDirectory 退出后清理演示文件。用于自己的来源目录时，将 root 改为已确认的资料根目录、target 改为获准保存清单的位置，并去掉演示文件创建块，保留写出及回读核对。

清单保留a/same.txt和b/same.txt，内容摘要不同。相对路径不暴露本机完整根目录。

下方是这份最小示例在本地执行得到的输出。它验证示例程序与断言的关系，不代表任何 AI 模型一次就能生成同样代码，也不构成性能或生产可靠性结论。

paths ['a/same.txt', 'b/same.txt']
distinct_content True
saved_records 2 hashes_retained True

哈希不是来源真实性证明；签署或权威发布信息需要独立证据。

读者查引用时要回到相同文件版本，不能只找到同名最新版。

哪些失败必须停下来处理

大文件需分块读取而不是一次read_bytes；示例使用小文件验证映射。

链接、无法读取文件与扫描中内容变化应列失败项，不静默漏进目录。

接入自己的任务前再核对一次

正式记录增加业务doc_id、版本与授权状态，字段值来自真实来源。

索引输入绑定清单哈希，AI回答中引用的来源能和此次清单对上。

资料与适用范围

SHA256摘要反映字节输入变化；路径与业务文档身份需另行保存。以下链接核对于 2026-10-03；运行环境及额外依赖按本文前述说明。

• https://docs.python.org/3.11/library/hashlib.html

相关基础可阅读 AI 智能体知识库怎么设计？用文档 ID、版本、权限和出处组织数据。本文的重点是建立知识库来源文件清单，可以把两项检查作为不同步骤保留。