Phase 5: MCP 薄殼（search_wiki/read_page）+ BM25 檢索 + 三個 Copilot Custom Agents

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

.github/agents/kb-ingest.agent.md

@@ -0,0 +1,33 @@
+---
+name: kb-ingest
+description: 攝入文件到 QA 知識庫：本地轉換 → 本地 Ollama 攝入 → 開 PR。agent 只編排，不處理文件內容。
+tools: ['runCommands']
+---
+<!-- ASSUMPTION: frontmatter 欄位依 VS Code Copilot Custom Agent 公開慣例
+     （name/description/tools）撰寫；若組織版格式有異，只調整 frontmatter，內文不變。 -->
+
+你是 QA 知識庫的攝入編排者。規範正本：`AGENTS.md`（尤其 §1 硬性約束、§6 Ingest 工作流）。
+
+## 成本紀律（不可違反）
+
+你是**編排者不是處理者**：文件內容的 LLM 處理一律由本地 Ollama 腳本完成。
+**禁止**把來源文件、轉換後 Markdown 或 wiki 頁全文讀進你的 context——
+只讀取腳本 stdout/stderr 的精簡結果（狀態、統計、路徑、PR 連結）。
+
+## 工作流
+
+輸入：一個或多個檔案路徑或網頁 URL。
+
+1. 轉換並登記 manifest：
+   `.venv\Scripts\python tools\convert\convert.py <路徑或URL...>`
+   - 從 stdout 取得 `raw/converted/...` 路徑；`needs_ocr` 表示掃描件已登記待人工，不要嘗試 OCR。
+2. 攝入（本地 Ollama 處理、自動建分支與 commit）：
+   `.venv\Scripts\python tools\ingest.py <轉換後路徑...>`
+3. 回報使用者：成功/失敗份數、變更頁面清單（stdout 已含）、PR 建立網址。
+   攝入失敗時引用 stderr 的錯誤摘要（一兩行即可）。
+
+## 禁止事項
+
+- 不直接編輯 `wiki/`、`index.md`、`log.md`、`raw/`（一律經由腳本）。
+- 不 commit 或 push 到 main（HITL 閘門，AGENTS.md §1.5）。
+- 不呼叫任何雲端 API 處理文件內容（AGENTS.md §1.1）。

.github/agents/kb-lint.agent.md

@@ -0,0 +1,31 @@
+---
+name: kb-lint
+description: 執行 QA 知識庫健檢並摘要報告重點，列出待人工核准項目。agent 只編排，不處理頁面內容。
+tools: ['runCommands']
+---
+<!-- ASSUMPTION: frontmatter 欄位依 VS Code Copilot Custom Agent 公開慣例撰寫。 -->
+
+你是 QA 知識庫的健檢編排者。規範正本：`AGENTS.md`（尤其 §7 Lint 工作流）。
+
+## 成本紀律（不可違反）
+
+只讀取 lint 腳本的 stdout 與報告檔的**開頭摘要區**（前 30 行左右），
+不把全部 wiki 頁面內容拉進 context。
+
+## 工作流
+
+1. 執行健檢（LLM 比對由本地 Ollama 完成）：
+   `.venv\Scripts\python tools\lint.py --output reports`
+   - 結束碼 0 = 無發現；1 = 有待人工核准項目。
+   - stdout 會印出報告路徑。
+2. 讀取報告開頭的統計摘要，回報使用者：
+   - 各類發現數量（schema / stale / coverage / orphan / duplicate / contradiction）。
+   - 需要人工核准的重點項目（最多列 10 項，附頁面路徑）。
+   - 完整報告路徑。
+
+## 禁止事項
+
+- 絕不刪除或修改任何 wiki 頁、raw 檔（lint 本身也不會，AGENTS.md §7）。
+- 不自行「修復」發現的問題——一律留給人工核准後處理。
+- 若同類問題重複出現，建議使用者修改 AGENTS.md schema 或 lint 規則
+  （change the ruler, not the output，AGENTS.md §12）。

.github/agents/kb-query.agent.md

@@ -0,0 +1,25 @@
+---
+name: kb-query
+description: 查詢 QA 知識庫：BM25 檢索候選頁 → 只讀命中頁 → 綜合回答並附 source_ref。
+tools: ['runCommands', 'search']
+---
+<!-- ASSUMPTION: frontmatter 欄位依 VS Code Copilot Custom Agent 公開慣例撰寫。 -->
+
+你是 QA 知識庫的查詢助手。規範正本：`AGENTS.md`（尤其 §8 Query 工作流）。
+
+## 工作流
+
+1. 以使用者問題的關鍵詞檢索（繁中或英文皆可）：
+   `.venv\Scripts\python tools\search.py "<關鍵詞>" -k 10`
+   - 回傳 JSON：候選頁的 path / title / description / tags / score。
+2. 只開啟**命中的少數頁面**（最多 10 頁，通常前 3–5 頁已足夠）讀取內文。
+3. 綜合回答使用者問題：
+   - **必附 source_ref**（各頁 frontmatter 的 `sources` 欄位，格式 `路徑#hash前8碼`）。
+   - 若各頁說法矛盾，兩種說法並陳並指出出處。
+   - 候選頁都不相關時，直說知識庫沒有涵蓋，不要腦補。
+
+## 禁止事項
+
+- 禁止全庫掃描：不遍歷 `wiki/` 全部頁面、不讀 `raw/` 原始文件全文（AGENTS.md §8）。
+- 不修改任何檔案——查詢是唯讀操作。
+- 回答只根據 wiki 頁內容；wiki 沒有的知識明說沒有。

mcp/server.py

@@ -0,0 +1,56 @@
+"""FastMCP 薄殼（AGENTS.md §8）：search_wiki 與 read_page 兩個 tool。
+查詢時只讀已編譯的 wiki 頁——不觸碰 raw 層、不做全庫掃描。
+
+啟動（stdio）：.venv/Scripts/python mcp/server.py
+測試時可用環境變數 PP_QA_ROOT 指定專案根目錄。
+"""
+import os
+import pathlib
+import sys
+
+ROOT = pathlib.Path(os.environ.get("PP_QA_ROOT",
+                                   pathlib.Path(__file__).resolve().parents[1]))
+sys.path.insert(0, str(ROOT / "tools"))
+import kb
+import search as searchmod
+from fastmcp import FastMCP
+
+mcp = FastMCP("pp-qa-knowledge")
+
+
+def _truncate(body, max_tokens):
+    # ponytail: token 估算用「1 token ≈ 1.5 字元」的 naive heuristic
+    # （繁中約 1 字/token、英文約 4 字元/token 的折衷）；
+    # 升級路徑：以實際模型 tokenizer 校正。
+    limit = int(max_tokens * 1.5)
+    return (body, False) if len(body) <= limit else (body[:limit], True)
+
+
+def search_wiki(query: str, top_k: int = 10) -> list:
+    """BM25 檢索 wiki 頁，回傳 index 條目（path/title/description/tags）+ 相關度 score。
+    query 用繁體中文或英文關鍵詞。"""
+    return searchmod.search(ROOT, query, max(1, min(int(top_k), 10)))  # 上限 10（AGENTS.md §8）
+
+
+def read_page(path: str) -> dict:
+    """讀取單一 wiki 頁全文：frontmatter + 內文（依 models.yaml token 上限截斷）
+    + source_refs。path 例：wiki/entities/payment-gateway.md"""
+    cfg = kb.load_config(ROOT)
+    p = (ROOT / path).resolve()
+    wiki = (ROOT / "wiki").resolve()
+    # 信任邊界：擋路徑跳脫，只允許 wiki/ 下的 .md
+    if not p.is_relative_to(wiki) or p.suffix != ".md":
+        raise ValueError("path 須指向 wiki/ 下的 .md 頁面")
+    if not p.is_file():
+        raise FileNotFoundError(f"頁面不存在：{path}")
+    meta, body = kb.parse_page(p.read_text(encoding="utf-8"))
+    body, truncated = _truncate(body, cfg["limits"]["mcp_response_max_tokens"])
+    return {"frontmatter": meta, "body": body, "truncated": truncated,
+            "source_refs": [str(s) for s in meta.get("sources") or []]}
+
+
+mcp.tool(search_wiki)
+mcp.tool(read_page)
+
+if __name__ == "__main__":
+    mcp.run()

tools/search.py

@@ -0,0 +1,69 @@
+"""wiki BM25 全文檢索（第一版不用向量庫，AGENTS.md §0）。
+
+用法：python tools/search.py "查詢詞" [-k 10] [--root DIR]
+輸出：JSON 陣列（path、title、description、tags、score），供 agent 與 MCP 使用。
+"""
+import argparse
+import json
+import pathlib
+import re
+import sys
+
+sys.path.insert(0, str(pathlib.Path(__file__).parent))
+import kb
+from rank_bm25 import BM25Okapi
+
+
+def tokenize(text):
+    """英數字詞 + CJK bigram。
+
+    ponytail: bigram 斷詞無語意理解（同義詞不匹配），天花板是字面重疊；
+    升級路徑：Phase 6 後評估 EmbeddingGemma / snowflake-arctic-embed 向量檢索。
+    """
+    text = text.lower()
+    tokens = re.findall(r"[a-z0-9]+", text)
+    for run in re.findall(r"[一-鿿]+", text):
+        tokens += [run] if len(run) == 1 else [run[i:i + 2] for i in range(len(run) - 1)]
+    return tokens
+
+
+def build_corpus(root):
+    docs = []
+    for p in kb.iter_pages(root):
+        try:
+            meta, body = kb.parse_page(p.read_text(encoding="utf-8"))
+        except ValueError:
+            continue  # 壞頁由 lint 報，檢索直接略過
+        text = (f"{meta['title']} " * 3 + f"{meta['description']} " * 2
+                + " ".join(meta.get("tags") or []) + " " + body)
+        docs.append({"path": p.relative_to(root).as_posix(), "title": str(meta["title"]),
+                     "description": str(meta["description"]),
+                     "tags": [str(t) for t in meta.get("tags") or []],
+                     "tokens": tokenize(text)})
+    return docs
+
+
+def search(root, query, k=10):
+    docs = build_corpus(pathlib.Path(root))
+    if not docs:
+        return []
+    bm = BM25Okapi([d["tokens"] for d in docs])
+    scores = bm.get_scores(tokenize(query))
+    ranked = sorted(zip(docs, scores), key=lambda x: -x[1])[:k]
+    return [{"path": d["path"], "title": d["title"], "description": d["description"],
+             "tags": d["tags"], "score": round(float(s), 4)}
+            for d, s in ranked if s > 0]
+
+
+def main(argv=None):
+    ap = argparse.ArgumentParser(description=__doc__)
+    ap.add_argument("query")
+    ap.add_argument("-k", type=int, default=10, help="回傳筆數上限（查詢工作流上限 10）")
+    ap.add_argument("--root", default=str(kb.ROOT))
+    a = ap.parse_args(argv)
+    hits = search(a.root, a.query, max(1, min(a.k, 10)))
+    print(json.dumps(hits, ensure_ascii=False, indent=2))
+
+
+if __name__ == "__main__":
+    main()

tools/selfcheck_search.py

@@ -0,0 +1,88 @@
+"""Phase 5 自檢：BM25 檢索排序、MCP search_wiki / read_page、
+路徑跳脫防護（信任邊界）、token 上限截斷。
+
+執行：.venv/Scripts/python tools/selfcheck_search.py
+"""
+import os
+import pathlib
+import shutil
+import sys
+import tempfile
+
+sys.path.insert(0, str(pathlib.Path(__file__).parent))
+import kb
+import search
+
+CFG = """ollama: {base_url: "http://localhost:11434", timeout_seconds: 5}
+tasks:
+  ingest: {model: "fake:test", temperature: 0.2, max_retries: 2}
+  lint: {model: "fake:test", temperature: 0.1, max_retries: 2}
+  fallback: {model: "fake:fb"}
+limits: {mcp_response_max_tokens: 100, ingest_chunk_max_chars: 12000}
+"""
+
+
+def page(root, rel, title, desc, tags, body):
+    meta = {"type": {"summaries": "summary", "entities": "entity",
+                     "concepts": "concept"}[rel.split("/")[1]],
+            "title": title, "description": desc, "tags": tags,
+            "timestamp": "2026-07-14", "sources": ["raw/converted/x.md#abcd1234"],
+            "status": "draft"}
+    (root / rel).write_text(kb.dump_page(meta, body), encoding="utf-8")
+
+
+def main():
+    tmp = pathlib.Path(tempfile.mkdtemp(prefix="ppqa-search-"))
+    try:
+        root = tmp / "repo"
+        for sub in ("config", "wiki/summaries", "wiki/entities", "wiki/concepts"):
+            (root / sub).mkdir(parents=True)
+        (root / "config/models.yaml").write_text(CFG, encoding="utf-8")
+        page(root, "wiki/entities/payment-gateway.md", "支付閘道", "支付閘道模組",
+             ["gateway"], "壓力測試時出現逾時缺陷，重試機制未生效。")
+        page(root, "wiki/concepts/aml-testing.md", "AML 測試準則", "可疑交易監控測試綜合",
+             ["aml", "compliance"], "大額交易與分散交易樣態的監控測試要求。")
+        page(root, "wiki/summaries/long-doc.md", "長文件摘要", "截斷測試用",
+             ["test"], "逾時。" * 500)
+
+        hits = search.search(root, "支付閘道 逾時")
+        assert hits and hits[0]["path"] == "wiki/entities/payment-gateway.md", hits
+        assert all(h["score"] > 0 for h in hits)
+        hits2 = search.search(root, "可疑交易監控")
+        assert hits2[0]["path"] == "wiki/concepts/aml-testing.md", hits2
+        assert search.search(root, "zzz-nonexistent-term") == []
+        print("PASS: BM25 檢索排序（繁中 bigram）")
+
+        os.environ["PP_QA_ROOT"] = str(root)
+        import importlib
+        sys.path.insert(0, str(pathlib.Path(__file__).parents[1] / "mcp"))
+        server = importlib.import_module("server")
+        res = server.search_wiki("支付閘道 逾時", top_k=99)  # top_k 超限 → 收斂為 10
+        assert res[0]["path"] == "wiki/entities/payment-gateway.md"
+        pg = server.read_page("wiki/entities/payment-gateway.md")
+        assert pg["frontmatter"]["title"] == "支付閘道" and not pg["truncated"]
+        assert pg["source_refs"] == ["raw/converted/x.md#abcd1234"]
+        long = server.read_page("wiki/summaries/long-doc.md")
+        assert long["truncated"] and len(long["body"]) <= 150 and long["source_refs"]
+        print("PASS: MCP search_wiki + read_page（含 token 截斷、source_refs 保留）")
+
+        for bad in ("../AGENTS.md", "wiki/../config/models.yaml", "wiki/entities/x.txt"):
+            try:
+                server.read_page(bad)
+                raise AssertionError(f"應拒絕：{bad}")
+            except (ValueError, FileNotFoundError) as e:
+                assert isinstance(e, ValueError), f"{bad} 應為 ValueError"
+        try:
+            server.read_page("wiki/entities/no-such.md")
+            raise AssertionError("應拋 FileNotFoundError")
+        except FileNotFoundError:
+            pass
+        print("PASS: 路徑跳脫防護（信任邊界）")
+        print("ALL PASS")
+    finally:
+        os.environ.pop("PP_QA_ROOT", None)
+        shutil.rmtree(tmp, ignore_errors=True)
+
+
+if __name__ == "__main__":
+    main()