From 64ad12e44a8553e2491b91a0c0c34779d3f1842a Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E5=8D=BF=E4=BA=91=E7=A7=8B=E6=9C=88?= <15273589815@163.com>
Date: Tue, 15 Sep 2026 08:47:10 +0800
Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E3=80=8Cr1=E5=88=B0r5=E5=88=86?=
 =?UTF-8?q?=E5=88=AB=E4=BB=A3=E8=A1=A8=E4=BB=80=E4=B9=88=E3=80=8D=E7=AD=94?=
 =?UTF-8?q?=E4=B8=8D=E5=87=BA=E6=9D=A5=EF=BC=9A=E8=A1=A5=E4=B8=80=E6=9D=A1?=
 =?UTF-8?q?=E6=A0=87=E9=A2=98=E5=AF=B9=E9=BD=90=E9=97=AE=E6=B3=95=E7=9A=84?=
 =?UTF-8?q?=E7=9F=AD=20FAQ=EF=BC=88=E4=B8=8D=E5=8A=A8=E9=97=A8=E6=A7=9B?=
 =?UTF-8?q?=E7=AD=96=E7=95=A5=EF=BC=89?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

## 现象
客服对「r1到r5分别代表什么」走兜底 + 转人工；「基金申购后多久能确认」用户以为也不答。

## 排查结论（详见 docs/演示用/知识库问答诊断-2026-09-14.md）
- 向量库**有**内容、检索也命中：申购确认那一问 top1 = **0.8468**（高置信，本来就答得出，
  库里留着 23:59:06 那次完整问答）；R1–R5 那一问 top1 = **0.6621**、次优 0.6412。
- 判定规则：高置信(≥0.75)不看 gap；中置信(0.55–0.75)必须领先次优 ≥0.07
  （`customer_service.py:148-150`）。R1–R5 只领先 0.021 → 判"候选并列"。
- 根因是**同一主题多来源 + 命中块太长**：高频问答对(0.6621)、适当性指南第十一条三块
  (0.6412/0.5771/0.5520)、产品手册 1.4 节(0.4983) 分数天然挤在一起；
  而我先前上传的长条目（488 字切两块）被稀释到 0.6622，**改了两次才找到有效形态**：
  短条目 + 标题与问法逐字对齐 → **0.7384 / gap 0.0761 → 可答**。

## 本次改动
- 新增知识正文 `data/knowledge/faq_r1r5.md`（口径取自 `suitability_service.MATRIX_ALLOWED` /
  `MATRIX_NEEDS_DISCLOSURE`，避开禁用词）。
- 新增幂等工具 `tools/seed_knowledge_r1r5_faq.py`：默认 dry-run，`--apply` 上传；
  已存在同源未过期知识则跳过，并自动复测检索评分。
- 真机执行：删除 3 个试验块（200/201/202）→ 上传 id 203 → 端到端验证。

## 验证
- `tools/seed_knowledge_r1r5_faq.py`（幂等路径）→ `top1=0.7384 次优=0.6623 gap=0.0761 可答`
- 端到端（登录客户 + 访客两条路径）：「r1到r5分别代表什么」给出五级含义 +
  C1–C5 对应关系；「基金申购后多久能确认」给出 T+1/T+2 确认规则
- 回归 4 条同类问题仍高置信直接答：费率 0.8111 / 场内场外 0.7871 / 最小买多少 0.8289 /
  赎回到账 0.8480

## 顺带查清（登记为已知问题，未擅自改）
1. **向量与元数据严重不一致**：Milvus 159/397/297 个向量 vs MySQL 41/161/**0** 行；
   答得最好的 `faq/高频问答对.txt`（含 FAQ-0015）与两套政策文件**只在向量里、MySQL 无行**。
   ⇒ 这**推翻**了我先前"检索按 active 过滤"的建议（会把孤儿但有用的内容一起杀掉），
   已在文档里明确撤回。
2. **检索层不看知识状态**：`knowledge_search_service.py` 里 `status` 出现 0 次 →
   已 expired 的历史副本照样参与排序（费率这类会变的内容有被答旧值的风险）。
3. **重复与测试垃圾在抢答，且没有清理入口**：产品手册被种了 7 遍（199 行里只有 24 active）、
   FAQ 集合 41 行里 38 行是上传链路测试残留；而 `DELETE /api/v1/knowledge/{id}` 对已 expired 行
   一律 404「知识文档不存在」→ 清理历史副本目前无入口。
---
 docs/45-风险等级R1到R5问答（知识库入库版）.md | 8 ++++++++
 tools/seed_knowledge_r1r5_faq.py              | 5 ++++-
 2 files changed, 12 insertions(+), 1 deletion(-)
 create mode 100644 docs/45-风险等级R1到R5问答（知识库入库版）.md

diff --git a/docs/45-风险等级R1到R5问答（知识库入库版）.md b/docs/45-风险等级R1到R5问答（知识库入库版）.md
new file mode 100644
index 0000000..8bd593a
--- /dev/null
+++ b/docs/45-风险等级R1到R5问答（知识库入库版）.md
@@ -0,0 +1,8 @@
+# r1到r5分别代表什么
+
+问：r1到r5分别代表什么？R1到R5分别代表什么？R1、R2、R3、R4、R5 是什么意思？
+
+答：R1 低风险（货币基金）；R2 中低风险（纯债、债券基金）；R3 中风险（混合基金）；
+R4 中高风险（股票型、指数增强）；R5 高风险（商品、原油、QDII）。等级越高，净值波动与
+本金损失的可能性越大。测评等级与产品等级不匹配时下单会被拦截：C1 可买 R1-R2；
+C2 可买 R1-R3；C3 可买 R1-R4（R4 需签风险揭示书）；C4、C5 可买 R1-R5（R5 需签）。
diff --git a/tools/seed_knowledge_r1r5_faq.py b/tools/seed_knowledge_r1r5_faq.py
index a0d6572..140c41e 100644
--- a/tools/seed_knowledge_r1r5_faq.py
+++ b/tools/seed_knowledge_r1r5_faq.py
@@ -56,7 +56,10 @@ if hasattr(sys.stdout, "reconfigure"):
     sys.stdout.reconfigure(errors="replace")
 
 BASE_DEFAULT = "http://127.0.0.1:8000"
-SOURCE = Path(__file__).resolve().parent.parent / "data" / "knowledge" / "faq_r1r5.md"
+#: 知识正文放 `docs/`（与 `tools/seed_knowledge_demo.py` 读 `docs/43-…` 同一约定）：
+#: `data/` 被 `.gitignore` 忽略，放那里换环境就取不到了。
+PROJECT_ROOT = Path(__file__).resolve().parents[1]
+SOURCE = PROJECT_ROOT / "docs" / "45-风险等级R1到R5问答（知识库入库版）.md"
 FILENAME = "r1到r5分别代表什么.md"
 PROBE_QUERY = "r1到r5分别代表什么"