PieKBS 行业应用

PieKBS 是一款面向 AI Agent 的本地优先知识搜索引擎。其架构——单一二进制文件、SQLite FTS5、纯 Markdown、MCP 协议——使其在隐私要求严格、合规要求高、离网环境下具有独特优势。

为什么 PieKBS 适合高隐私行业

大多数 RAG 系统需要外部基础设施：云端 Embedding API、向量数据库、托管 SaaS 服务。PieKBS 消除了所有这些依赖。

需求	PieKBS 的满足方式
数据不出本地	所有数据存于本地，搜索和索引零外部 API 调用
无需 Embedding 模型	纯 SQLite FTS5 + BM25，无向量模型、无 Embedding API、无 GPU
零外部基础设施	单一二进制文件 + 一个 SQLite 文件，无需 Redis、Kafka、Postgres 或向量数据库
气隔离（Air-gap）兼容	stdio MCP 模式作为本地子进程运行，零网络访问即可工作
知识可审计	所有 Wiki 页面是 git 中的纯 Markdown，每次变更都是 diff
无供应商锁定	OKF v0.1 兼容，KB 就是一个文件目录，可迁移到任何系统
支持本地 LLM	提炼功能支持 Ollama 或任意本地模型，文档从不发送到 OpenAI
BYOK（自带密钥）	如使用云端 LLM 提炼，只需提供 API Key，无需 SaaS 订阅

---

律师事务所

隐私关切： 律师-客户特权。客户文件不能离开律所基础设施。

PieKBS 的使用方式：

• 将案例研究笔记、法律备忘录、先例分析编译为结构化 Wiki 页面
• 构建全所 ADR 风格的决策库：历史交易结构、诉讼策略、和解模式
• 每个案件对应一个 source-note，法律理论、监管框架合成为 concept 页面
• piekbs lint 验证引用完整性——每个主张都可追溯到原始文件
• Git 历史记录提供完整审计链，支持特权审查

部署方式： 律所自管服务器或笔记本电脑上的单一二进制文件，初始设置后无需联网。LLM 提炼可使用本地模型（Ollama + Llama 3）或内部 API。

---

会计 / 财务事务所

隐私关切： 客户财务数据受 NDA 保护，受 SOX、GDPR 等数据处理限制。

PieKBS 的使用方式：

• 结构化 GAAP/IFRS 概念库：每个准则对应一个 Wiki 页面，通过 related_to 链接关联相关解释
• 内部业务方法论 Wiki——事务所处理特定审计类型的方法，以 decision 页面形式记录
• 将客户专属知识（脱敏后）编译为跨项目学习库，不暴露原始客户数据
• 知识空白分析（piekbs synthesize --gaps）在旺季前发现文档不足的领域

部署方式： 内部部署或私有云。使用本地模型提炼，客户数据完全留在事务所边界内。

---

医疗机构 / 医院

隐私关切： HIPAA（美国）、GDPR（欧盟）及各地健康数据法规，患者数据不能触及公共云。

PieKBS 的使用方式：

• 内部临床 SOP Wiki：护理规程、护理路径、术后流程——结构化且可搜索
• 药物处方集知识库：医院专属处方集从标准参考文献编译而成，由药剂科团队持续维护
• 事故与未遂事件知识库：脱敏案例摘要提炼为 source-note，根本原因模式合成为 concept 页面
• 新住院医师入职：机构专属流程和规程存入可搜索 Wiki，减少对高年资医师的依赖
• 研究团队知识库：文献综合、试验设计决策、IRB 批准的方案文档

部署方式： 气隔离医院内网，piekbs stdio 作为临床 AI 工具的子进程运行，零网络出口。

---

金融机构 / 投行

隐私关切： 重大非公开信息（MNPI）、交易保密、监管合规（MiFID II、SEC Rule 10b-5）。

PieKBS 的使用方式：

• 内部合规流程 Wiki：已批准交易实践、升级流程、预先审批工作流的结构化文档
• 交易知识库：每笔完成交易对应一个 source-note，记录交易结构、关键决策和理由——在跨团队之间积累机构记忆
• 法规解释库：合规团队维护全所对特定监管规则的解释 Wiki，contradicts 链接标记冲突解释
• 风险模型文档：量化分析师将模型假设、局限性和验证结论记录为 decision 页面

部署方式： 气隔离交易大厅基础设施或私有云，无公网路径。提炼使用内部 LLM。

---

制造业 / 工业

隐私关切： 商业机密、专有生产工艺、设备设计中的知识产权。

PieKBS 的使用方式：

• 工厂 SOP Wiki：每条产线的标准操作规程，可按工序步骤、设备类型或产品系列搜索
• 设备故障排查知识库：从维护日志、服务公告和技师现场记录提炼——Agent 维修时实时查询
• 质量缺陷模式库：历史缺陷数据编译为 source-note，反复出现的根本原因合成为 concept 页面
• 新员工入职培训：结构化知识库减少工艺知识转移对老员工的依赖
• 供应商与物料知识：规格书、替代品历史、供应商可靠性记录编译为 Wiki 页面

部署方式： 工厂 OT 网络，通常与互联网物理隔离。PieKBS 运行在本地服务器；技师通过 AI 助手或自定义对话界面经 MCP 查询。

---

政府与国防

隐私关切： 国家安全、涉密信息、数据主权要求。

PieKBS 的使用方式：

• 政策解读 Wiki：特定法规在实践中如何适用的结构化文档，按政策领域可搜索
• 市民服务知识库：FAQ 和办事指南，由主题专家维护
• 跨部门知识共享：通用操作规程编译为共享 Wiki，减少跨部门重复建设
• 采购与合规知识：历史采购决策以 decision 页面形式记录，附理由和备选方案

部署方式： 主权云或内部部署，无外部连接。piekbs serve 部署在内部网络边界内。stdio MCP 供嵌入式 Agent 使用。OKF 兼容格式支持在安全系统间传输知识。

---

能源与公用事业（核电、油气）

隐私关切： 关键基础设施保护、专有运营数据、物理气隔离要求。

PieKBS 的使用方式：

• 运维知识库：设备手册、事故报告、流程更新提炼为结构化 Wiki 页面
• 安全与监管合规 Wiki：电站对 NRC/HSE 法规的专属解释、应急流程、安全案例文档
• 老龄化员工知识留存：经验丰富的工程师在退休前将隐性知识捕获为 source-note 和 concept 页面
• 事故学习库：事后报告提炼并交叉关联——事故响应时 related_to 边自动浮现类似历史事件

部署方式： 物理气隔离的运营技术（OT）网络。PieKBS 零外部依赖运行。提炼离线批量处理；索引实时响应 Agent 查询。

---

研究机构与智库

隐私关切： 发表前研究保密、经费合规、机构知识产权。

PieKBS 的使用方式：

• 文献综合：研究人员将论文放入 raw/，PieKBS 提炼 source-note，并跨语料合成 concept 和 comparison 页面
• 研究决策记录：方法论选择、假设修订、数据来源评估以 decision 页面形式记录
• 跨项目知识共享：通用方法论和发现编译为共享机构 Wiki
• 知识空白分析：piekbs synthesize --gaps 在撰写经费申请前识别研究不足的领域

PieKBS 在此场景的特别优势： 这最接近 PieKBS 的原始设计意图。Agent 迭代搜索知识库、跟随论文间的 related 链接、自行综合结论——正是研究人员的工作方式。

部署方式： 研究人员自己的电脑或机构服务器，无需云端。本地 Ollama 模型提炼，确保发表前数据完全离线。

---

私有化部署架构

以上所有行业，典型的 PieKBS 部署如下：

[本地 KB 目录]
  raw/           ← 放入原始文档
  wiki/          ← 提炼后的页面（Markdown + git）
  index/         ← SQLite FTS 索引（自动管理）

[PieKBS 二进制]
  piekbs serve ← HTTP MCP + Web UI + 文件监听
  piekbs stdio ← 嵌入式 Agent 子进程 MCP（无网络）

[Agent 接入]
  Claude Code / Cursor / 任意 MCP 客户端
  → HTTP 连接 http://localhost:8766/mcp
  → 或 stdio 启动 piekbs（无网络）

[提炼用 LLM]
  Ollama（本地）← 完全离线
  或内部 API 端点

数据不出边界。无需外部服务。整个技术栈运行在单台机器或内部服务器上。

---

与云端 RAG 在合规行业的对比

因素	云端 RAG	PieKBS（本地）
数据是否出境	是（Embedding API、LLM API）	否
供应商锁定	高（Pinecone、OpenAI 等）	无（纯文件、SQLite）
合规审计难度	高（黑盒向量）	低（git diff、Markdown）
气隔离支持	否	是
所需基础设施	向量数据库、Embedding 服务、LLM API	单一二进制文件
知识可移植性	低	高（OKF 兼容目录）
部署时间	数天到数周	几分钟
每次查询成本	按 API 调用计费	零