name: 递归知识处理描述: “通过知识图谱构建和状态化多跳推理处理大型文档语料库（1000+文档，数百万词元）。适用于以下情况：（1）用户提供超出上下文限制的大型语料库，（2）问题需要跨多个文档建立连接，（3）复杂查询需要多跳推理，（4）用户希望从文档中获取持久可查询的知识。用智能图谱遍历替代暴力文档填充。”

递归知识处理

通过知识图谱构建和状态化多跳查询处理任意大小的文档集合。基于RLM研究，但具备适当的状态管理和终止逻辑。

与将文档塞入上下文（会导致性能下降）不同，本技能：

对于新的语料库，运行索引器：

python3 scripts/index_corpus.py --input /path/to/documents --output /path/to/graph.json

此过程提取：

有关实体/关系模式的详细信息，请参阅 references/graph-schema.md。

针对已索引语料库的用户查询：

python3 scripts/query.py --graph /path/to/graph.json --query "用户问题在此"

查询引擎：

将新文档添加到现有图谱：

python3 scripts/index_corpus.py --input /path/to/new_docs --output /path/to/graph.json --append

相对于朴素递归方法的关键改进在于状态化遍历。完整细节请参阅 references/state-management.md。

在查询执行期间，跟踪：

终止条件：

停止如果：
  - 置信度 >= 0.85（高确定性）
  - 佐证来源数量 >= 3（多方一致）
  - 深度 > 最大深度（防止无限探索）
  - 所有相关路径已穷尽

对于需要跨文档连接的问题：

示例：“谁与X在项目Y上合作过？”