# README — QA 知識庫使用手冊

金融電子支付 QA 部門知識庫，採 **Karpathy LLM Wiki 模式**：知識在文件**攝入時**由本地
LLM 編譯成 wiki 頁，查詢時只讀已編譯頁面（**非 RAG**，檢索用 BM25）。

> **本檔是操作手冊（怎麼裝、怎麼跑）。** 所有 schema、工作流細節、硬性約束與行為紀律的
> **唯一正本**是 [AGENTS.md](AGENTS.md)——動手前請先讀它。本檔只做操作說明，不複製其內容。

---

## 1. 環境需求

| 項目 | 需求 |
|------|------|
| Python | 3.11+ |
| 本地 Ollama | 執行於 `http://localhost:11434`（見 [config/models.yaml](config/models.yaml)） |
| Ollama 模型 | 已 `ollama pull` 且與 `config/models.yaml` 的 tag 一致的**合規本地模型** |
| Git remote（選用） | 攝入自動開 PR 用；無 remote 時分支保留於本地 |

**資料落地是硬性約束（[AGENTS.md](AGENTS.md) §1.1）**：所有文件內容的 LLM 處理一律走本地
Ollama，**禁止**任何雲端 API、雲端轉換服務，及任何 `:cloud` 後綴模型。供應鏈限制（§1.3）：
禁用中國關聯模型（bge / Qwen / GLM / MiniMax / Jina 等）。

---

## 2. 安裝

Windows PowerShell（本專案主要環境）：

```powershell
python -m venv .venv
.venv\Scripts\pip install -r requirements.txt
```

Linux / Gitea runner：

```bash
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
```

接著確認 Ollama 已拉好 `config/models.yaml` 內指定的模型：

```powershell
ollama list        # 對照 tasks.ingest.model / tasks.lint.model / tasks.fallback.model
```

**換模型只改 [config/models.yaml](config/models.yaml)，不動任何程式碼**（§1.2）。設定缺欄位時程式直接
報錯，不使用隱含預設值。唯一允許的覆寫來源是環境變數 `OLLAMA_BASE_URL`。

> 下文指令以 Windows 的 `.venv\Scripts\python` 為例；Linux 換成 `.venv/bin/python`。

---

## 3. 四大工作流

資料流：**原始檔 → `convert` → `raw/converted/` Markdown → `ingest` → `wiki/` 頁面 →
`search` / MCP 查詢**；`lint` 定期健檢整庫。

### 3.1 轉換 `convert` — 原始檔轉 Markdown

把 docx / xlsx / pdf / pptx / html 或網頁 URL 轉成 Markdown，並登記 SHA-256 至
`raw/manifest.json`（`raw/` 只讀不可變，§1.4）。

```powershell
# 本機檔案（可多個）
.venv\Scripts\python tools\convert\convert.py 報告.docx 測項.xlsx 規格.pdf

# 網頁快照（保存完整 HTML，因來源可能消失）
.venv\Scripts\python tools\convert\convert.py https://example.com/guideline

# 只看計畫、不寫檔
.venv\Scripts\python tools\convert\convert.py 報告.docx --dry-run
```

- 支援：`.docx .xlsx .pdf .pptx .html/.htm` 與 `http(s)://` URL。
- hash 相同的檔會自動 `skip`（去重）。
- 掃描件（PDF 無文字層）標記 `needs_ocr` 並跳過，**不擅自 OCR**，留待人工決定。
- 單檔失敗不中斷批次，最後彙總並以結束碼 1 回報。

### 3.2 攝入 `ingest` — 編譯成 wiki 頁

讀 `raw/converted/` 的 Markdown，呼叫本地 Ollama 產出 / 更新 wiki 頁，重建
`index.md`、追加 `log.md`，並**開新 git 分支 + PR**（HITL 閘門，§1.5——永不直接 commit 到 main）。

```powershell
# 攝入指定來源
.venv\Scripts\python tools\ingest.py raw\converted\xxx.md

# 攝入所有「尚無 summary 頁引用」的來源
.venv\Scripts\python tools\ingest.py --all-pending

# 只列計畫（分支名、模型、分段數），不呼叫 LLM、不寫檔
.venv\Scripts\python tools\ingest.py --all-pending --dry-run

# 已攝入過（hash 相同）也強制重跑
.venv\Scripts\python tools\ingest.py raw\converted\xxx.md --force
```

**前置條件**：須在 `main` 分支、且工作區除 `raw/` 外無未提交變更，否則會報錯中止。

> **`convert` 的產出請保持未提交，不要另開分支 commit。** 除 `raw/` 外無未提交變更的條件
> 刻意把 `raw/` 排除在外——正確流程是在 `main` 上 `convert`、確認 `raw/converted/*.md` 內容
> 無誤後直接 `ingest`，由 ingest 把來源與編譯出的 wiki 頁**一起** commit 進同一個分支。這樣
> PR 的 diff 同時含來源與產出，審核者才能對照 LLM 有無編譯錯誤。若先開分支 commit 了轉換檔，
> 切回 `main` 時那些檔案會隨分支離開工作區；此時請先 `git merge` 該分支回 `main` 再攝入
> （`raw/` 不受 §1.5 HITL 閘門管轄，該條只規範 wiki 層變更）。

執行後：變更落在 `ingest/<時間戳>-<slug>` 分支。有 remote 時自動 push 並印出 PR 建立網址；
無 remote / 離線時分支保留本地，請手動 push 後開 PR。**經人工審核合併後才進 main。**

### 3.3 健檢 `lint` — 全庫品質檢查

檢查 schema 完整性、過期主張、覆蓋缺口、孤兒頁，並用 LLM 偵測重複 / 矛盾頁。
**絕不修改或刪除任何檔案**，一律產出報告列為「待人工核准」（§1.5、§7）。

```powershell
# 完整健檢，報告寫入 reports/
.venv\Scripts\python tools\lint.py --output reports

# 跳過 LLM 重複/矛盾比對（較快，純 schema/結構檢查）
.venv\Scripts\python tools\lint.py --no-llm
```

- 報告路徑印在 stdout，例如 `reports/lint-YYYYMMDD-HHMMSS.md`。
- **結束碼**：`0` = 無發現；`1` = 有待人工核准項目（供 CI 判斷 / 標紅通知）。
- 排程：[.gitea/workflows/lint.yaml](.gitea/workflows/lint.yaml)（每週一台北時間 05:00，草稿，部署 Gitea 時啟用）。

### 3.4 查詢 `search` — BM25 檢索

```powershell
.venv\Scripts\python tools\search.py "AML 測試準則" -k 10
```

輸出 JSON 陣列（`path / title / description / tags / score`），供人工或 agent 定位候選頁。
`-k` 上限 10（查詢工作流 §8：先讀 `index.md` 定位、最多 10 頁、只讀命中頁、回答必附
`source_ref`、禁止全庫掃描）。

---

## 4. MCP server — 供內部 AI agent / 團隊查詢

[mcp/server.py](mcp/server.py) 是 FastMCP 薄殼，只暴露兩個唯讀 tool：`search_wiki`（BM25 檢索）與
`read_page`（讀單頁全文，依 `models.yaml` 的 token 上限截斷）。只讀已編譯 wiki 頁，不觸碰
`raw/` 層、不做全庫掃描。

```powershell
# stdio 啟動
.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。`read_page` 有路徑跳脫防護，只接受
`wiki/` 下的 `.md`。

---

## 5. Copilot Custom Agents（雙棧）

同一套 [AGENTS.md](AGENTS.md) 規範同時服務 Claude Code 與 GitHub Copilot（§11 雙棧規則）。
[.github/agents/](.github/agents/) 提供三個 Copilot 編排 agent——它們**只編排、不處理文件內容**
（成本紀律 §1.6：LLM 處理一律 shell out 給本地腳本，agent 只讀精簡結果）：

| Agent | 職責 |
|-------|------|
| [kb-ingest](.github/agents/kb-ingest.agent.md) | 轉換 → 攝入 → 開 PR |
| [kb-lint](.github/agents/kb-lint.agent.md) | 執行健檢並摘要報告重點 |
| [kb-query](.github/agents/kb-query.agent.md) | 檢索 → 只讀命中頁 → 附 source_ref 回答 |

---

## 6. 目錄速查

```text
config/models.yaml   # Ollama 端點與模型 tag（唯一設定來源）
raw/originals/       # 原始檔，只讀
raw/converted/       # 轉換後 Markdown，攝入的實際輸入，只讀
raw/manifest.json    # SHA-256 登記 + 原始檔↔轉換檔對應
wiki/summaries/      # 每份來源一頁摘要
wiki/entities/       # 實體頁（系統/模組/API/法規/專案）
wiki/concepts/       # 概念頁（跨來源綜合）
index.md             # 目錄式導航（由 ingest 自動重建）
log.md               # append-only 操作日誌
tools/               # convert/ ingest.py lint.py search.py kb.py（共用模組）
mcp/server.py        # MCP 薄殼
```

完整結構與各檔用途見 [AGENTS.md](AGENTS.md) §2。

---

## 7. 疑難排解

| 訊息 / 現象 | 原因與處置 |
|-------------|-----------|
| `config/models.yaml 缺欄位` | 設定不完整；補齊欄位，不要用預設值繞過（§1.2）。 |
| `tasks.X.model 為 :cloud 模型` | 違反資料落地；改用本地模型 tag（§1.1）。 |
| `須在 main 分支執行` | 攝入前先切回 `main`。 |
| `工作區有 raw/ 以外的未提交變更` | 先 commit / stash 非 `raw/` 的變更再攝入。 |
| `... 不在 manifest 的 converted 條目中` | 該來源尚未轉換；先跑 `convert.py`。 |
| `LLM 輸出驗證失敗（含 fallback）` | 本地模型連主模型 + fallback 都無法產出合規 JSON；檢查 Ollama 是否在線、模型是否拉好。 |
| `push 失敗（無 remote 或離線）` | 正常；分支已保留本地，手動 push 後開 PR。 |

---

## 8. 開發者自檢

各工具附 assert 式自檢腳本（免框架、免 fixtures，§13.4）：

```powershell
.venv\Scripts\python tools\convert\selfcheck.py
.venv\Scripts\python tools\selfcheck_ingest.py
.venv\Scripts\python tools\selfcheck_lint.py
.venv\Scripts\python tools\selfcheck_search.py
```