RAG.md

RAG Design

目标

在 search_agent -> analyze_agent 流水线中新增经验增强层：

1. 每次根因分析成功后自动沉淀“可复用经验”。
2. 每次新分析前检索相关经验并结合 Linux 内核背景知识生成摘要。
3. 将摘要注入 analyze_agent 的输入，提升分析稳定性与可解释性。

当前落地（2026-04-09）

代码位置：

• src/agents/rag/context_builder.py
• src/agents/analysis_process.py
• src/agents/analyze_agent.py
• main.py

行为：

1. 分析前：

• 读取 crash report，抽取 bug_type/kernel_version/module/function。
• 优先调用 PageIndex（如果配置 PAGEINDEX_API_KEY + PAGEINDEX_DOC_IDS）检索历史经验。
• 若 PageIndex 不可用，退化到本地经验库（cache/rag/experience_store.jsonl）关键词检索。
• 可选调用 WebSearch 工具抓取 Linux 模块背景（文档/邮件列表/报告）。
• 由模型做二次总结，输出统一 RAG 上下文，注入 analyze prompt。

2. 分析后：

• 将成功 case 自动入库，保存：
  • 根因结论、trigger path、evidence、fix suggestion、confidence
  • taint chain
  • tool call 摘要
  • crash profile 与当次检索上下文
• 同时生成 markdown 经验卡片到 cache/rag/experience_docs/。

PageIndex 接入建议

直接使用 Python SDK（PageIndexClient）做检索增强：

1. 预先把历史案例文档导入 PageIndex，拿到 doc_id。
2. 配置环境变量：

• PAGEINDEX_API_KEY
• PAGEINDEX_DOC_IDS（逗号分隔）
• 可选 PAGEINDEX_MODEL（默认 PI-Retrieve）

3. 分析前通过 SDK 调用 client.chat_completions(...)，传 doc_id + query 获取相关经验摘要。

难点与改进方向

1. 经验抽象质量：

• 建议增加“失败案例”与“低置信案例”标签，避免污染经验库。
• 增加主题标签（UAF/NULL/锁竞争/生命周期）和修复模式标签（check/add ref/reorder/free path）。

2. Linux 知识抓取准确性：

• 对来源打分：docs.kernel.org > lore.kernel.org > 其他博客。
• 必须记录内核版本约束；版本不匹配时在摘要里显式降权。

3. 检索精度：

• 当前本地回退为词重合检索，后续可替换为更强 hybrid（BM25 + dense + rerank）。
• PageIndex 返回可追加结构化要求（固定 JSON）以利于可控融合。