在构建子代理团队进行知识库查询与汇总时，合理的团队架构是高效协作的基石。整体采用 Master-Worker 模式，由 Master 代理统一协调，多个 Worker 代理并行执行搜索任务，最后再由聚合 Worker 完成信息的汇总和整理。
Master 是整个子代理团队的核心调度节点，负责接收用户查询请求，将查询任务拆解为多个子任务，并分发给对应的搜索 Worker。Master 还负责监控各 Worker 的执行进度，处理超时和异常情况，并在所有 Worker 返回结果后，协调聚合 Worker 进行信息汇总。Master 需要维护全局任务状态表，记录每个子任务的分发时间、执行状态和返回结果。
每个搜索 Worker 负责一个独立的知识来源。Worker 之间互不依赖，可以全并行执行。每个 Worker 内部包含三个核心步骤：搜索查询执行、相关片段提取、初步结果筛选。Worker 执行完毕后将结果返回给 Master，结果包含提取的文本片段、来源链接和置信度评分。
聚合 Worker 在所有搜索 Worker 完成任务后启动，负责读取所有 Worker 的搜索结果，执行跨来源信息去重和合并，识别不同来源之间的关联和矛盾，补充互补信息形成完整知识图谱，并最终生成结构化的汇总报告。聚合 Worker 是保证信息质量的关键环节。
核心设计原则：搜索 Worker 之间完全独立，无任何通信依赖，确保最大并行度。聚合 Worker 是唯一需要读取所有 Worker 输出的节点，保证信息汇聚的单点权威性。这种架构在保证搜索效率的同时，也降低了系统耦合度。
多来源并行搜索是子代理团队的核心能力，通过将知识来源进行分割并分配给不同的 Worker 独立执行搜索，大幅缩短了整体查询时间，同时保证了每个来源都能被充分挖掘。
根据任务需求将知识来源划分为不同的类别，常见的分割方式包括按数据类型分割（文档、代码、讨论）、按领域分割（前端、后端、运维）和按可信度分割（官方源、社区源、个人博客）。分割的粒度需要根据实际场景调整，过细会导致 Worker 过多增加调度开销，过粗则无法发挥并行优势。
每个 Worker 接收到 Master 分发的子任务后，开始独立执行搜索。搜索过程包括三个阶段：查询构建（将原始问题转换为适合该来源的查询语句）、搜索执行（调用对应的搜索接口或工具）、结果获取（获取匹配的文档片段或数据）。不同 Worker 可能使用不同的搜索策略——全文搜索、语义搜索、正则匹配或 API 调用。
原始搜索结果通常包含大量无关信息，Worker 需要对结果进行二次处理，提取与查询最相关的文本片段。提取策略包括滑动窗口截取（围绕关键词前后扩展）、段落边界识别（按自然段落截取）和结构化字段提取（针对 JSON、YAML 等结构化数据）。每个提取的片段需要附带上下文信息和来源定位。
Worker 需要对提取的片段进行质量评估和排序。筛选标准包括：关键词匹配度（查询词在片段中的密度和位置）、来源权威性（官方文档优于个人博客）、时效性（更新日期越近越优先）、信息完整性（片段是否包含完整的语义单元）。排序后的结果集通常只保留 Top-K 个最相关的片段，减少后续聚合处理的数据量。
| 筛选维度 | 权重 | 说明 |
|---|---|---|
| 关键词匹配度 | 30% | 查询词出现频率和位置相关性 |
| 来源权威性 | 25% | 官方文档 > 技术博客 > 社区讨论 |
| 时效性 | 20% | 优先采用最新版本的内容 |
| 信息完整性 | 15% | 片段是否包含完整语义 |
| 上下文相关性 | 10% | 片段所在文档的整体主题匹配度 |
信息提取和摘要是将原始搜索结果转化为结构化知识的关键步骤。每个 Worker 在完成搜索后，需要对获取的文本片段进行深度加工，提炼出核心信息和关键观点，并生成简洁的搜索结果摘要。
信息提取的目标是从非结构化的文本片段中抽取出结构化的知识单元。提取的内容包括：核心实体（名词、术语、API 名称）、属性描述（功能说明、参数定义、返回值）、关系（依赖关系、调用关系、对比关系）、数值数据（版本号、配置值、统计数字）。Worker 使用预设的提取模板，结合 LLM 的自然语言理解能力完成信息抽取。
除了事实性信息外，Worker 还需要萃取文本中的核心观点和立场。例如：某个技术的优势和劣势、社区的推荐做法、已知的坑点和注意事项、不同方案之间的对比结论。这些观点性信息对于用户做出决策和判断至关重要。Worker 需要通过语义分析识别作者的立场和论证逻辑，并以中立客观的方式呈现。
每个 Worker 需要为提取的信息生成简洁的摘要，摘要应涵盖：搜索来源和范围、找到的关键信息概要、信息的置信度和局限性。摘要的长度控制在 100-200 字之间，保持客观准确，不添加 Worker 自身的主观判断。摘要的作用是让 Master 和聚合 Worker 快速了解该来源的搜索结果概貌，无需阅读原始片段。
每条提取的信息都需要附带置信度评分和来源可靠性标记。置信度评分（0-1）反映信息提取的准确程度，基于文本清晰度、提取算法匹配度和 LLM 判断共同计算。来源可靠性则根据来源类型分级：官方文档为 high，知名技术博客为 medium，个人帖子和匿名评论为 low。这些标记帮助聚合 Worker 在信息冲突时做出正确的权衡决策。
0.9-1.0：明确表述的事实性信息，来源为官方文档
0.7-0.9：清晰表述但存在少量歧义的信息
0.5-0.7：间接推断或来源可靠性中等的信息
0.3-0.5：推测性内容或来源可靠性低的信息
0.0-0.3：模糊不清或来源不可靠的信息
跨来源知识关联是聚合 Worker 的核心职责。当所有搜索 Worker 返回结果后，聚合 Worker 需要综合分析不同来源的信息，发现其中的关联和矛盾，合并互补内容，并识别知识空白。这一过程将碎片化的搜索结果转化为连贯、完整的知识体系。
聚合 Worker 首先读取所有 Worker 的输出结果，对信息进行归一化处理——统一术语表述（例如将 "API" 和 "应用程序接口" 视为同一概念）、对齐时间格式和度量单位、合并重复的实体和引用。归一化后的数据集才能进行后续的关联分析。
聚合 Worker 通过实体链接和语义匹配发现不同来源信息之间的关联。常见的关联类型包括：互补关联（A 来源提供概念定义，B 来源提供实现细节）、因果关联（A 来源描述问题现象，B 来源提供解决方案）、层级关联（A 来源是概述，B 来源是某个子主题的深入讨论）。关联发现的结果是一个知识图谱结构，节点是信息片段，边是关联关系。
不同来源的信息可能存在矛盾，聚合 Worker 需要识别这些矛盾并做出判断。处理策略包括：优先采信官方来源和置信度高的信息、标记矛盾点并说明各来源的立场和依据、对于无法调和的矛盾在报告中如实呈现争议双方的观点。矛盾本身也往往是很有价值的信息，可能反映出技术演进中的分歧或不同场景下的最佳实践差异。
1. 版本差异：不同版本的功能不同 → 标注版本号，分别说明
2. 观点分歧：不同社区对同一问题看法不同 → 呈现双方观点
3. 事实错误：某个来源的内容明显有误 → 降低该来源权重
4. 语境差异：同一表述在不同语境下含义不同 → 还原语境再判断
当多个来源提供互补信息时，聚合 Worker 需要将这些信息有机整合。例如：Wiki Worker 提供了某个概念的理论定义，文档 Worker 提供了 API 参数说明，代码库 Worker 提供了实际使用示例，Issue Worker 提供了常见问题解答——聚合 Worker 将这些信息合并为一个完整的知识单元，覆盖从理论到实践的完整链路。
聚合 Worker 在整合过程中会识别出信息覆盖不足的领域——即知识空白。例如：所有来源都提到了某个功能但都没有详细的使用示例，或者某个配置项的参数范围没有明确说明。聚合 Worker 将这些空白记录下来，作为知识库更新的参考依据，也可以触发 Master 发起补充搜索任务。
关键能力：跨来源知识关联不是简单的信息拼接，而是基于语义理解的知识融合。聚合 Worker 需要能够理解信息的深层含义，发现表面无关联片段之间的内在联系，才能真正发挥多来源搜索的优势。这种能力是子代理团队相比单代理搜索的质变提升。
汇总报告是子代理团队查询流程的最终输出。Master 在收到聚合 Worker 的处理结果后，生成一份结构化的知识查询报告，按主题组织搜索结果，每个信息附带明确的来源引用，并提供完整的知识总结和结论。
汇总报告采用层级结构：顶层是查询摘要（一句话概括查询结果），然后是主题分类（按知识点或问题维度组织），每个主题下包含多个信息条目，每个条目包含内容正文、来源引用和置信度标记。报告的末尾包含知识总结、待确认事项和进一步建议。
每个信息条目都必须附带明确的来源引用，确保信息可追溯。引用格式包括来源名称、链接（如果有）、提取时间和原文字段。对于来自多个来源的合并信息，采用多源引用标注（如 [1][3] 表示该信息同时来自来源 1 和来源 3）。规范的引用是知识查询报告可信度的基础。
Master 根据信息的语义相似度进行主题聚类，将同一主题的信息组织在一起，即使它们来自不同的 Worker 和不同的来源。主题的组织顺序按照逻辑关系排列：从基础概念到高级应用，从通用知识到具体细节。每个主题内部的信息条目按置信度从高到低排列，让最可靠的信息优先呈现。
报告末尾提供综合性的知识总结和结论。总结部分概述本次查询覆盖的范围和主要发现，结论部分给出基于汇总信息的 actionable 建议——例如推荐使用的技术方案、需要避开的已知陷阱、建议进一步阅读的资料等。结论需要标注支持该结论的信息来源数量，让用户了解结论的支撑强度。
来源覆盖率：本次查询覆盖了多少个独立知识来源
信息完整度：用户问题在报告中被回答的完整程度评分
结论可信度：基于支撑信息数量和来源权威性的综合评分
知识空白数：未能找到可靠信息的领域数量（越低越好）
子代理团队的查询结果可以被持久化到知识库中，形成可复用的知识资产。当用户提出类似问题时，Master 首先查询本地知识库，如果命中且时效性满足要求，则直接返回缓存结果，避免重复搜索。知识库中的条目需要标记创建时间和有效期限，定期由 Worker 进行刷新验证。多个子代理团队可以共享同一个知识库，形成协同维护的知识管理体系。
实战要点总结：知识库查询与汇总子代理团队的核心价值在于通过并行搜索大幅提升查询效率，通过多来源交叉验证提高信息准确性，通过聚合分析发现单来源搜索无法获得的关联知识。合理设计团队架构、Worker 职责划分和信息处理流水线，是成功实施子代理团队的关键。