如何在不进行微调的情况下让智能体掌握公司知识？

我正在为一家物流公司（真实公司，约100辆车）构建一个多智能体运维系统。它运行在本地模型上（Mac mini上的Qwen 2.5 14B），并与我们的生产数据库对接。智能体擅长处理实时事实：包裹在哪里、商户欠了多少钱。它们查询数据库，从不编造数据。但它们对公司实际*运作*方式一无所知：我们的流程、哪个商户需要打电话而不是发消息、我们的支付规则。这些都不在数据库的行里，只存在于人们的头脑中。 所以我一直在思考的问题：如何让智能体掌握公司的机构知识？三条路：1. **微调。** 对我来说不可行。没有硬件，没有干净的数据集，而且微调后的模型无法告诉你它从哪学到的某个事实，这违反了我的一条硬性规则：绝不说出无法溯源的内容。2. **直接连接数据库。** 对于实时数据很好，但对规则和流程毫无帮助，而且原始数据库访问存在风险。3. **一个检索层，智能体在其中查找信息。** 知识存放在一个普通数据库中，智能体像搜索包裹一样搜索它。改变一条规则=编辑一行。每个事实都保留来源。随时可以更换模型。我选择了方案3，同时方案2用于实时数据。数据库存放当前数字，知识层存放公司如何运作。 我认为实际的核心思想是：当智能体遇到不知道的事情时，不是去猜测（绝不允许）或记录死路，而是向合适的员工提出问题（按角色路由，绝不看到联系详情），将答案作为草稿捕获，由人类审批，然后成为永久知识。下次任何智能体遇到同样的空白，答案就在那里。它在运行过程中不断采访公司。 有一件事我差点搞错：起初我想让员工的答案自动添加。及时发现了问题——一个粗心的回复会成为智能体永远相信的自信错误答案。所以一切都要等待人工审批。 我真心希望被反驳的点：* 对于小型设置，检索真的是三种方案中最强的吗？还是我在为自己的承受能力找理由？* 困难的失败模式：当模型*自信地*回答但缺少上下文时检测出“我不知道”。检索为空容易检测，但自信地答错则不然。有人在不触发错误警报的情况下解决了这个问题吗？* 手动审批每个新事实是安全的，但可能成为扼杀循环的瓶颈。你会让哪些低风险知识自动审批？有人为真实生产中的智能体系统构建过知识层吗？好奇你们的系统在哪里崩溃了。