lesson-知识库-4-质量审计流水线.json

{
  "task_id": "lesson-知识库-4-质量审计流水线",
  "title": "知识库 4 质量审计流水线",
  "domain": "general",
  "tags": [
    "contrib"
  ],
  "problem": "RAG 知识库在持续导入文档后出现数据污染、版本混乱、来源不一致等问题，\n影响检索质量。",
  "solution": "建立 4σ 质量审计流水线：\n1. 污染清洗：删除非文档内容（乱码、空块、纯数字块）\n2. 版本去重：按文件名+导入时间识别重复\n3. 来源校正：统一文档路径、文件名、源 URL\n4. 质量评分：按完整性/清洁度/版本一致性打分\n\n实现为 daily_audit.py，cron 每日 6:00 自动运行。\n报告存 ~/audit_reports/audit_YYYY-MM-DD.json。",
  "source": "lessons/contrib/知识库-4-质量审计流水线.md",
  "test_cmd": ""
}