4.3 知识获取与更新

4.3 知识获取与更新

本节摘要：知识获取是把外部信息变成循环能用的结构；更新是在不拆掉旧约束的前提下写入新经验。来源包括人工知识工程、从数据里学、从文本与日志抽取、以及运行时与环境交互。冲突、过时、灾难性遗忘是写入时的三种病。学习元件必须有闸：校验、版本、回滚，而不是「新数据永远覆盖旧规则」。

核心问题

阅读完本节，你应当能够：

1. 列出至少三种知识来源，并说明各自写入哪类表示
2. 设计冲突处理：新样本与硬约束打架时谁赢
3. 解释灾难性遗忘为何在函数近似里更常见
4. 给知识库画一个带版本的写入路径

知识不是数据堆着

SOURCE 把知识定义成经过组织、能用于推理和决策的信息。原始日志不是知识，直到它变成规则、本体实例、模型参数或案例。获取方法里，人工知识工程最老：专家把规则与本体写进去。准、贵、会过时、会把专家偏见写死。机器学习从数据抽模式，量大，但默契与硬约束不容易进。两者不是替代关系：禁区与法规走人工，感知与局部动态走数据。

还有文本与文档抽取、人机交互中的即时教导、运行时交互。对话里用户说「以后易碎品都走上层」，这是在改知识而不是改这一步行动。若系统把这句话只当本轮槽填充，下次就会忘。获取必须声明写入目标：是工作记忆（本回合），还是长期知识（跨回合）。

来源 → 抽取/标注 → 表示对齐 → 冲突检查 → 校验 → 提交版本
                              ↑ 失败则拒绝或人工
​

💡 关键直觉：获取成功的标志是决策开始用上这条知识，并且能指出它存在哪个版本里。只进日志不算获取。

更新的三种病

冲突：新规则说可以加速，旧约束说走廊限速。若学习直接覆盖，避免目标被买通。处理策略应预设：硬约束不可被数据投票否决；可学习部分才接受更新。过时：地图上的货架已经挪了，知识还停在上周。需要失效机制：时间戳、观测不一致计数、人工下线。遗忘：函数近似在新任务上更新时把旧任务表现冲掉。表格方法较少，因为格子相对独立；网络共享参数，所以严重。

人工知识工程的更新节奏慢，但审计清楚。参数更新节奏快，必须配监控。案例库更新介于两者：新案例好加，但检索会把相似的旧错案一并召回，需要淘汰策略。知识图谱更新还要保持一致性：不能同时断言互斥类。2.2 的表示选择在这里变成更新成本：符号检查贵但可做；向量几乎只能靠回归测试间接检查。

谁有权写

1.3 的断言「学习只通过更新知识影响下一轮」在此落实为权限。执行元件不能直接改规则文件。人可以改目标与约束，学习默认不能。工具返回的事实（库存数量）写入工作记忆，是否升格为长期知识要另走抽取。大模型智能体尤其容易把上下文里的一句话当成永久事实——那是工作记忆泄漏。应在会话结束时显式决定：哪些槽写入长期画像，哪些丢弃。

⚠️ 常见坑：用最新一天的数据全量重训，当作更新。这既会遗忘，也会让偶然波动变成新真理。增量应有配比：新数据混旧回放。

仓库：夜间盘点发现货位变化，应更新地图版本而不是等强化自己「学会绕路」——绕路是策略在用过时模型补锅。更新地图是改世界模型知识，成本更低、更可审计。强化应留给地图对了之后仍存在的控制残差。获取与更新的纪律，往往比换算法更能立刻减事故。

来源分级可以很简单：法规与安全规则为 L0，不可自动改；业务规则 L1，人审后改；统计模型 L2，自动更新但可回滚；工作记忆 L3，回合结束默认丢。分级写进架构，4.2 的管道才知道自己的写入能到哪一层。没有分级，所有管道都觉得自己在改「智能」，其实在抢同一支笔。

文本、众包与本体学习怎么进闸

SOURCE 还列了文本挖掘、众包、本体学习。文本挖掘把文档收成候选规则或实体，必须当假设：抽出来的「易碎品上层」可能来自过期手册。进 L1 要人审。众包标注快，质量方差大，应双人一致或抽检才能进监督池；进 L0 永远不行。本体学习自动长类与边，一致性检查失败则拒绝提交，宁可图谱残缺，不可互斥类同时为真。三种来源都是获取，不是豁免闸门。

概率图模型作为表示时，更新是改条件概率表或结构。结构改动比参数改动更危险，应更慢、更多回归。参数可以用数据批量更新，但仍要看校准：概率 0.9 是否真有九成。校准差的置信会骗 3.4。知识更新的验收包含校准，不只包含准确率。

工作记忆升格规则要写死。库存数量每秒变，升格为长期会制造过时病。用户过敏史应升格。一次性验证码禁止升格。大模型上下文默认全是工作记忆，结束时跑白名单升格，其余丢弃。升格日志本身是知识，便于 6.3 追溯「系统为何记得这件事」。

人工知识工程不是落后。法规、物理禁区、业务红线，用手写比等数据撞出来便宜。机器学习负责红线内的残差。两者抢笔时，红线赢。这是 4.3 最不像「AI」却最能减少事故的一句。更新会议若只有算法同事，红线会慢慢变软。请一个能说「不行」的人进闸，比再加正则有用。

本节检查清单

L0 到 L3 分级墙上有没有？文本挖掘与众包结果是当假设还是当真理？本体学习一致性失败是否拒绝提交？概率校准有没有验收？工作记忆升格白名单写死了没有，验证码会不会进长期？人工红线有没有一个能说「不行」的人进闸？全量重训有没有冒充更新？新数据混旧回放的配比写了没有？过时地图是改世界模型版本还是等策略自己绕？绕路补锅会把更新纪律藏进策略，事故更难追。追不到的更新等于没闸。没闸的学习元件是循环上的漏洞，不是能力。能力要配钥匙。钥匙在分级表里，不在学习率里。学习率解决的是步长，解决不了谁准许这一步。准许是 4.3 的主题，不要交还给 4.2 的阀门名词。

一次手册过期怎么进闸

仓库手册写「易碎走上层」，文本挖掘抽成规则候选。闸的动作：当假设，核对现用货架是否还有上层、是否与冷链冲突、人审进 L1，L0 不动。若半夜自动写进防撞规则，属于来源越权。越权比抽错更危险，因为抽错还能被一致性挡住，越权会改安全默认。默认被手册改掉，演练会失败。失败应回滚到上一 L0，并标记该抽取器降级。降级是 4.3 对文本源的纪律。纪律不因抽取模型变强而放松。变强只提高候选质量，不提高权限。权限在分级表。表在墙上。墙上没有「抽取器例外」。例外是事故的别名。别名不要写进更新脚本。脚本只认分级。认分级的更新才叫知识获取。不认分级的叫覆盖。覆盖看起来像学习很快。很快会把红线学没。红线没了，4.4 的适应会适应到违法。违法不是泛化。泛化不进 L0。L0 的人要在更新会上在场。在场不是形式。形式挡不住脚本。脚本要验人的签名或等价审批。审批失败则候选留在假设池。假设池可以很大。很大没关系。进 L1 必须小。小而可追。可追才能在刮损后问「这条上层规则从哪篇手册哪一版来」。问得出，获取成功。问不出，只是又往库里倒了一次文本。倒文本不是知识。知识过闸。闸在本节。本节不过，第 5 章的学习箭头会变成向 L0 的偷运。偷运在架构图上往往画成虚线。虚线要删。删虚线比加本体学习重要。本体学习仍是候选制造器。制造器可以快。提交必须慢。慢是 4.3 的美德。美德对着红线。红线不追求新颖。新颖放在 L2。L2 可以回滚。回滚演练过，才允许快。快而不演练，是把生产当保持集。保持集里不该有真车。真车只吃过闸的版本。版本号对不上，当失败。失败比悄悄新更可取。可取因为可追。可追是知识更新的完成态。完成态不是库更大。更大可能只是过时与冲突的堆积。堆积要淘汰。淘汰也是更新。更新包含忘。忘要合法。合法的忘走闸。闸仍是这一张。

可追是知识更新的完成态。完成态不是库更大。更大可能只是过时与冲突的堆积。堆积要淘汰。淘汰也是更新。更新包含合法的忘。合法的忘走闸。闸仍是这一张。墙上没有抽取器例外。例外是事故的别名。别名不要写进脚本。脚本只认分级。认分级的更新才叫获取。不认分级的叫覆盖。覆盖很快会把红线学没。红线没了，适应会适应到违法。违法不是泛化。泛化不进 L0。L0 的人要在更新会上在场。在场签字或等价审批失败则候选留在假设池。假设池可以很大。进 L1 必须小。小而可追。可追才能问手册哪一版。问得出，获取成功。

要点速记

• 获取要进表示：日志变不成知识，除非对齐到规则、本体、参数或案例
• 人工与数据互补：禁区手写，感知与残差用数据
• 三种病：冲突、过时、遗忘，闸各不同
• 硬约束不可投票：数据再多也不能买通避免目标
• 版本与回滚：快更新必须配监控
• 权限分级：L0 到 L3，学习默认停在 L2

下一节问写入之后，没见过的状态上还能不能用。