我们平时说“处理文档”，很容易把文档理解成一长串文字。这个理解在简单问答里够用，但在真实工作里很快就不够了。

比方说，一份合同里，重要的不只是某个条款的句子，还有它属于哪一版？和哪个定义条款有关？例外条件在哪里？哪些批注已经接受？哪些还在审阅？

一份投资 memo 里，重要的不只是结论，还有这个结论依赖哪张表、哪个市场假设、哪份访谈记录？以及这些假设有没有被后来的数据推翻？

以及一份产品文档里，除了说明文字，还有版本、配置前提、截图、变更记录、上下游模块和还没关闭的问题。如果把这些东西都压成文本片段，很多信息在进入模型之前就已经丢了。

这种处理方式太过扁平，你可以理解为“二维”的，用在传统的软件那里还好，反正下一个任务又重新开始嘛。

但现在的 agent 不一样了，它要求你是智能化的、要越用越聪明的，要像人类实习生，教过一遍就要记得，下次干活就能用上，越干越熟练。所以就要求你的解析方式，也得进步，要引入时间、位置、来龙去脉、前因后果等等三维甚至四维的变量，还要帮 agent 形成记忆，不能我说一遍，啊，第二天又忘了，又要重新教，这样的 agent 不就跟猪一样了么。

所以，做长任务的 agent ，比做一次问答的 agent ，会更容易出问题：它能把一份报告里的数字搬进另一份 memo ，却不知道这个数字来自哪张表、是否已经更新、会不会让后面的结论失效。它能生成一段很流畅的文字，却不知道这段文字破坏了哪个引用、哪个前提、哪个还没定下来的决定。

这不是单纯的 RAG 的问题，也不是单纯的 context 不够，虽然上下文太短确实会看不全，但现在随着模型发展已经不是最大的限制了，最大的限制是它没有一个可以行动其上的外部世界。

我的解决办法也很简单，就是给它一个外部现实，对于企业场景，这个现实就是文档、版本、引用、表格、图片、批注、来源、权限和它们之间的关系。文档不是附件，文档是 Agent 要进入的工作现场，它大概包含：

Document
  -> Section
  -> Chunk
  -> Asset(table/image/page/slide)
  -> Metadata
  -> Source path
  -> Graph link
  -> Retrieval trace

Document 让系统知道证据属于哪份材料，而不是一段孤立文本。Section 保留章节层级和语义范围。Chunk 是最小可检索内容，但它不能只保存 content ，还要保存位置、路径、类型和来源。Asset 让表格、图片、页面和 PPT 图示不从链路里消失。Metadata 保存页码、文件名、关键词、摘要和 chunk type 。Graph link 表达跨章节、跨文档、跨资产的基础关系。Retrieval trace 让一次回答可以回看证据路径。

如果系统维护了文档状态，Agent 可以做更细的动作：

search(query)
open_document(document_id)
expand_section(section_path)
inspect_asset(asset_id)
compare_chunks(chunk_a, chunk_b)
follow_edge(edge_id)
cite(source_path)
revise_query(reason)

我专门做了一个工具 Knowhere ，来完成这件事： https://github.com/Ontos-AI/knowhere 。

当前的链路大概是这样的：

dirty documents
  -> parse
  -> hierarchy / sections
  -> chunks / assets / metadata
  -> graph
  -> agentic retrieval
  -> cited evidence

这个工具会把一次性的文件处理，变成 Agent 可以长期访问的文档状态，补的是记忆、检索和上下文这一层，让复杂文档以可被执行框架管理的形态进入系统：

Model:           负责语言推理和生成
Harness:         负责工具、状态、约束、执行边界
Knowhere:        把复杂文档建成可被 Harness 调用的记忆状态
Retrieval infra: 负责索引、召回、排序、存储性能

最后，整个解析工作就是这样：模型负责推理和生成，Harness 负责工具、上下文策略、执行边界和反馈循环。当 Agent 进入更长的任务和更复杂的材料环境时，Harness 里就分出一层文档 world state：文档、章节、chunk 、资产、来源、关系的可导航表征。Knowhere 让文档不再只是 prompt 里的一段附件，而是 Agent 可以反复回到、反复导航、反复引用的可操作状态。

模型会继续变强，材料会继续变杂。但真正能进入知识工作的 Agent ，缺的不是更多上下文，而是一个可以行动的知识状态。

感兴趣的老哥可以体验一下： https://knowhereto.ai/?utm_source=v2ex 。

仓库在这里，开源小项目，欢迎各位随时反馈： https://github.com/Ontos-AI/knowhere