什么是 PieKBS
PieKBS 是一个面向 Agent 的本地优先知识搜索引擎。它将原始文档提炼为结构化、可审计的 Markdown 知识库，然后通过三个 MCP 工具 — kb_search、kb_page 和 kb_add — 让 Agent 按自己的节奏搜索、阅读和写入知识。
设计理念
PieKBS 基于一个核心观察：Agent 使用外部知识工具的方式和人使用搜索引擎完全一样 — 从不同角度发出多次查询、跟随链接、自行综合结论。它们不需要一个预先打包好的答案，而是需要形成自己结论所需的原始材料。
因此 PieKBS 的工作不是回答问题，而是确保当 Agent 搜索某个内容时，能找到正确的文档，并能完整阅读。
PieKBS vs RAG
| RAG | PieKBS | |
|---|---|---|
| 知识形式 | 隐式（向量或 chunk） | 显式（Markdown，可审计） |
| Agent 角色 | 被动接收上下文 | 主动搜索和阅读 |
| 答案来源 | 系统生成 | Agent 自行综合 |
| 可审计 | 否 | 是 — git diff、lint、冲突链接 |
| 多跳推理 | 依赖 LLM | 通过 related 链接图扩展 |
| Embedding | 必需 | 不需要（纯 FTS） |
知识库结构
text
piekbs-kb/
raw/ 原始材料 — 放入文件，watcher 自动提炼。
wiki/
source-notes/ 每个原始文档对应一个提炼笔记，FTS 搜索目标。
concepts/ 跨文档综合：概念与方法论。
comparisons/ 跨文档综合：方案横向对比。
decisions/ 跨文档综合：技术决策记录。
_draft/ 来源不足 2 个的页面（暂不索引）。
schema/ 知识库本地的写作规则和页面模板。
index/ 生成产物（SQLite FTS 索引），勿手动编辑。生态
- RAG 知识库系统 — RAG 领域的框架、平台和向量数据库
- LLM Wiki 系统 — AI 驱动的 Wiki 平台、PKM 工具和 Agent 记忆框架