如何用 TeamAI recall --check 相关性预检subagent 避免无效检索的完整指南【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cliTeamAI是一款帮助团队把技能、规则与知识分发给各类 AI Agent 的 CLI 工具Make Every Team AI Native。其中teamai recall --check提供了一行式的相关性预检能力subagent 在正式检索团队知识库之前先花不到一秒判断这次检索值不值得做从而快速跳过无效检索省掉读文件、打投票等一切无用开销。为什么 subagent 需要相关性预检在 TeamAI 的架构里知识检索由一个独立的recall subagentagents/teamai-recall.md完成。它的设计目标是主对话只拿到一份紧凑的结构化摘要原始知识内容绝不污染主上下文窗口。但如果不加判断地来任务就检索会带来三个问题问题后果无意义的检索耗时索引构建 BM25 搜索 图谱查询白跑一趟噪音进入上下文主题相邻但不相关的条目被误当成答案投票被污染完整 recall 会自动给命中条目 upvote无关命中会拉低知识库质量信号--check就是为此而生的一道守门员它只做评分不读任何文件、不做 upvote用一行输出告诉调用方——检索还是别算了。recall --check 一键预检用法与输出格式只需一条轻量命令关键词取任务中的 3–6 个高信号词即可teamai recall --check 重启 推理集群 restart inference输出只有一行两种形态NOT_RELEVANT score0.0 threshold4.0 RELEVANT score6.2 threshold4.0 titleinference-cluster-restart matchedrestart,inference missing集群 sourceslearnings/xxx.md(推理集群重启踩坑)各字段含义一目了然RELEVANT/NOT_RELEVANT最终裁决调用方只认这一个词scoretop 命中的相似度得分threshold本次裁决实际使用的截止线titletop 命中的标题仅 RELEVANT 时出现matched/missing命中/未命中该条目标题与标签的查询词提示完整检索可能落在哪里sourcestop 命中的来源文件简单任务可直接引用省去二次检索命令的注册与描述见 src/index.ts输出逻辑emitCheckVerdict实现在 src/recall.ts。subagent 如何依据裁决做三层决策agents/teamai-recall.md 的Step 0规定了完整的决策流核心是快速失败fail fastNOT_RELEVANT立即收工输出以NOT_RELEVANT开头时subagent 只回一行No relevant team knowledge found for: query就停止——不进入后续任何步骤、不读任何文件、不执行完整 recall。这是预检存在的根本意义。RELEVANT 简单任务LOW 快捷通道如果任务信号显示改动很小如改名加个参数改配置这类单文件单字段操作subagent 会直接复用--check输出里的title和sources拼一份 ≤500 字符的短回答连完整 recall 都省了。RELEVANT 复杂任务走完整流程多文件改动、重构、排障等任务按正常流程做关键词检索、按深度选择--depth context/lookup、读取 top 命中并输出结构化摘要。一个容易被忽略的细节missing只是提示而非停止信号——覆盖度只按标题和标签计算被标为缺失的词完全可能出现在正文里所以只有NOT_RELEVANT才能短路流程。另外若命令本身失败或teamai不在 PATH 上预检直接跳过、继续走 Step 1绝不阻塞主任务。阈值是怎么算的为什么是 4.0 起步裁决的底线规则在 src/recall.ts 中定义代码知识图谱命中teamwiki 图谱检索固定截止线4.0经验条目命中learnings/skills/docs/rules动态截止线 max(IDF 基线 × 1.35, 4.0)这里有个巧妙的工程设计4.0是绝对下限防止冷启动阶段因基线过低而误判相关1.35的相对比例则让阈值随语料规模自动上移——库越大、常见词越不值钱相关的门槛就越高。这正是 precheck 能稳定工作、而不是永远报 RELEVANT 的原因。相关测试见 recall-relevance-threshold.test.ts。上手建议清单 先 --check后 recall任何可能用到团队知识的任务都让 subagent 先跑一次预检关键词 3–6 个双语扩展中文任务带上英文术语如重启restart纯词匹配下双语才能打通中英文混杂的知识库别用排查/失败/问题这类泛词撑场面最多留 1–2 个辅助词主体应是能锁定这个任务的专有名词、错误码、服务名善用 sources简单任务直接引用避免第二次检索失败不阻塞预检报错时继续原流程即可它只是优化项而非必需项完整的行为契约与字段格式约定可参考 docs/usage-guide.md 与 docs/usage-guide.zh-CN.md。 一句话总结teamai recall --check用一行输出回答了 subagent 最贵的一个问题——这次检索值不值。先问再做团队知识库的每一次调用才都花在刀刃上。【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何用 TeamAI recall --check 相关性预检：subagent 避免无效检索的完整指南
如何用 TeamAI recall --check 相关性预检subagent 避免无效检索的完整指南【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cliTeamAI是一款帮助团队把技能、规则与知识分发给各类 AI Agent 的 CLI 工具Make Every Team AI Native。其中teamai recall --check提供了一行式的相关性预检能力subagent 在正式检索团队知识库之前先花不到一秒判断这次检索值不值得做从而快速跳过无效检索省掉读文件、打投票等一切无用开销。为什么 subagent 需要相关性预检在 TeamAI 的架构里知识检索由一个独立的recall subagentagents/teamai-recall.md完成。它的设计目标是主对话只拿到一份紧凑的结构化摘要原始知识内容绝不污染主上下文窗口。但如果不加判断地来任务就检索会带来三个问题问题后果无意义的检索耗时索引构建 BM25 搜索 图谱查询白跑一趟噪音进入上下文主题相邻但不相关的条目被误当成答案投票被污染完整 recall 会自动给命中条目 upvote无关命中会拉低知识库质量信号--check就是为此而生的一道守门员它只做评分不读任何文件、不做 upvote用一行输出告诉调用方——检索还是别算了。recall --check 一键预检用法与输出格式只需一条轻量命令关键词取任务中的 3–6 个高信号词即可teamai recall --check 重启 推理集群 restart inference输出只有一行两种形态NOT_RELEVANT score0.0 threshold4.0 RELEVANT score6.2 threshold4.0 titleinference-cluster-restart matchedrestart,inference missing集群 sourceslearnings/xxx.md(推理集群重启踩坑)各字段含义一目了然RELEVANT/NOT_RELEVANT最终裁决调用方只认这一个词scoretop 命中的相似度得分threshold本次裁决实际使用的截止线titletop 命中的标题仅 RELEVANT 时出现matched/missing命中/未命中该条目标题与标签的查询词提示完整检索可能落在哪里sourcestop 命中的来源文件简单任务可直接引用省去二次检索命令的注册与描述见 src/index.ts输出逻辑emitCheckVerdict实现在 src/recall.ts。subagent 如何依据裁决做三层决策agents/teamai-recall.md 的Step 0规定了完整的决策流核心是快速失败fail fastNOT_RELEVANT立即收工输出以NOT_RELEVANT开头时subagent 只回一行No relevant team knowledge found for: query就停止——不进入后续任何步骤、不读任何文件、不执行完整 recall。这是预检存在的根本意义。RELEVANT 简单任务LOW 快捷通道如果任务信号显示改动很小如改名加个参数改配置这类单文件单字段操作subagent 会直接复用--check输出里的title和sources拼一份 ≤500 字符的短回答连完整 recall 都省了。RELEVANT 复杂任务走完整流程多文件改动、重构、排障等任务按正常流程做关键词检索、按深度选择--depth context/lookup、读取 top 命中并输出结构化摘要。一个容易被忽略的细节missing只是提示而非停止信号——覆盖度只按标题和标签计算被标为缺失的词完全可能出现在正文里所以只有NOT_RELEVANT才能短路流程。另外若命令本身失败或teamai不在 PATH 上预检直接跳过、继续走 Step 1绝不阻塞主任务。阈值是怎么算的为什么是 4.0 起步裁决的底线规则在 src/recall.ts 中定义代码知识图谱命中teamwiki 图谱检索固定截止线4.0经验条目命中learnings/skills/docs/rules动态截止线 max(IDF 基线 × 1.35, 4.0)这里有个巧妙的工程设计4.0是绝对下限防止冷启动阶段因基线过低而误判相关1.35的相对比例则让阈值随语料规模自动上移——库越大、常见词越不值钱相关的门槛就越高。这正是 precheck 能稳定工作、而不是永远报 RELEVANT 的原因。相关测试见 recall-relevance-threshold.test.ts。上手建议清单 先 --check后 recall任何可能用到团队知识的任务都让 subagent 先跑一次预检关键词 3–6 个双语扩展中文任务带上英文术语如重启restart纯词匹配下双语才能打通中英文混杂的知识库别用排查/失败/问题这类泛词撑场面最多留 1–2 个辅助词主体应是能锁定这个任务的专有名词、错误码、服务名善用 sources简单任务直接引用避免第二次检索失败不阻塞预检报错时继续原流程即可它只是优化项而非必需项完整的行为契约与字段格式约定可参考 docs/usage-guide.md 与 docs/usage-guide.zh-CN.md。 一句话总结teamai recall --check用一行输出回答了 subagent 最贵的一个问题——这次检索值不值。先问再做团队知识库的每一次调用才都花在刀刃上。【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
