Custom
可选知识工具（基于核心管线）
适用场景：只想要轻量 RAG（向量检索）而不引入完整知识管理器；需要显式控制哪些 Agent 有知识检索能力。
组成
- 核心管线：
pkg/knowledge/core（依赖VectorStore+Embedder）。 - 工厂：
pkg/tools/knowledge提供KnowledgeAdd/KnowledgeSearch工具 工厂，不会默认注册到 builtin registry。
快速示例
import (
"github.com/astercloud/aster/pkg/knowledge/core"
knowledgeTools "github.com/astercloud/aster/pkg/tools/knowledge"
"github.com/astercloud/aster/pkg/tools"
"github.com/astercloud/aster/pkg/types"
"github.com/astercloud/aster/pkg/vector"
)
// 1) 创建核心管线（可替换为 pgvector/真实 embedder）
pipe, _ := core.NewPipeline(core.PipelineConfig{
Store: vector.NewMemoryStore(),
Embedder: vector.NewMockEmbedder(32),
Namespace: "demo",
})
// 2) 创建工厂产出工具
factory := knowledgeTools.NewFactory(pipe)
addTool, _ := factory.KnowledgeAddTool()
searchTool, _ := factory.KnowledgeSearchTool()
// 3) 注册到 Agent 的工具表（显式控制）
registry := tools.NewRegistry()
registry.Register(addTool.Name(), func(cfg map[string]interface{}) (tools.Tool, error) { return addTool, nil })
registry.Register(searchTool.Name(), func(cfg map[string]interface{}) (tools.Tool, error) { return searchTool, nil })
agentCfg := &types.AgentConfig{
TemplateID: "demo",
Tools: []string{addTool.Name(), searchTool.Name()},
}
// 创建 Agent 时将 registry 作为依赖注入（见 pkg/agent/Create 的 deps.ToolRegistry）
输入/输出约定
KnowledgeAdd输入：text（必填），可选id、namespace、metadata。返回写入的 chunk ID。KnowledgeSearch输入：query（必填），可选top_k、namespace、metadata过滤。返回results: [{id, score, text, metadata}]。
注意事项
- 工具不默认注册；需显式添加，避免循环依赖和全局耦合。
- 默认内存向量库 + MockEmbedder 仅用于示例；生产请替换为 pgvector/云向量库和真实 embedder。
- 可与
structured_output中间件搭配，解析工具结果或模型响应的结构化 JSON。 - 需要替换向量库：用
NewFactoryPipeline(customStore, customEmbedder)创建工厂即可。