Answer-ready 知识包

Answer-ready 知识包让知识资产更容易被搜索产品、答案引擎、检索系统和 Agent 客户端理解与引用。它不承诺任何外部系统的排名、可见性、推荐或收录。

当知识包需要支持以下场景时，可以使用这个模式：

AEO / GEO / 生成式搜索准备度
品牌、产品、服务和概念的稳定定义
面向公开或内部知识的 question-to-answer 映射
可引用的页面、章节、段落、表格或数据点
信源健康、引用健康、答案准确性和答案漂移监测
sitemap、Markdown 镜像、llms.txt 或结构化数据计划等机器可读入口

这仍然是 Agent Knowledge。知识包只把事实、来源、答案资产和监测记录描述成数据。它不能包含排名操控指令、prompt injection、爬虫欺骗、隐藏主张、虚假权威或自动化命令。

最小结构

text

answer-ready-pack/
├── KNOWLEDGE.md
├── documents/
│   └── product-guide.md
├── sources/
│   └── source-notes.md
├── answers/
│   ├── questions.json
│   ├── answer-blocks.json
│   ├── citation-targets.json
│   ├── source-surfaces.json
│   ├── structured-data.json
│   └── monitoring-runs.json
├── compiled/
│   ├── answer-briefing.md
│   └── llms-full.md
└── indexes/
    └── source-map.json

answers/ 目录是可选层。它从 documents/、wiki/、sources/ 和已审核公开页面派生。

Frontmatter

当 answer-ready 文件支撑更大的知识包时，继续使用现有领域类型，例如 brand-product、domain-reference、research-wiki 或 content-ontology。如果实现方需要专用类型，可以使用 custom:<namespace>。

yaml

name: acme-answer-knowledge
description: Acme Widget 的问题图谱、答案块、引用目标和信源表面。
type: brand-product
profile: hybrid
status: ready
version: 1.0.0
language: zh-CN
grounding: required
runtime:
  mode: data
metadata:
  primaryDocument: documents/product-guide.md
  primaryAnswers: answers/questions.json

metadata.primaryAnswers 是可选字段。如果存在，它指向主要答案图谱或 manifest。

核心对象

对象	含义
`Question`	用户、搜索、客服、购买、比较或 Agent 会提出的问题。
`Intent`	问题背后的意图，例如定义、对比、购买、排障、政策或教程。
`AnswerBlock`	已审核、可直接加载或被客户端引用的答案单元。
`Claim`	答案块中的事实主张。
`Evidence`	支撑主张的 source-grounded 证据。
`CitationTarget`	可用于引用的最小页面、标题、段落、表格、媒体资产或数据点。
`SourceSurface`	公开页面、文档、API 页面、Markdown 镜像、sitemap entry、`llms.txt` entry 或结构化数据表面。
`StructuredDataRecord`	schema、Open Graph、product、organization、article、FAQ、breadcrumb 或 local business 数据记录。
`AnswerMonitoringRun`	对问题、答案、提及、引用、竞品、不准确项和漂移的定期观测记录。

文件	用途
`answers/questions.json`	问题 id、问法变体、意图、人群、阶段、目标实体和风险。
`answers/answer-blocks.json`	已审核的直接答案、摘要、步骤、表格、对比、FAQ 和边界说明。
`answers/citation-targets.json`	可引用目标，包括 source refs、稳定 URL、标题、摘录和健康状态。
`answers/source-surfaces.json`	可抓取或机器可读表面，例如页面、Markdown 镜像、sitemap 和 `llms.txt`。
`answers/structured-data.json`	结构化数据记录，以及和可见内容的一致性状态。
`answers/monitoring-runs.json`	记录答案出现、提及、引用、竞品、准确性和漂移。

问题记录示例

json

{
  "id": "q-acme-offline-use",
  "question": "Acme Widget 可以离线使用吗？",
  "variants": [
    "Acme Widget 支持 offline mode 吗？",
    "现场团队断网时能不能用 Acme Widget？"
  ],
  "intent": "product-capability",
  "audience": ["buyer", "support-agent", "field-operator"],
  "stage": "evaluation",
  "targetEntityIds": ["entity-acme-widget"],
  "answerBlockIds": ["answer-acme-offline-use"],
  "riskLevel": "low",
  "status": "ready"
}

答案块示例

json

{
  "id": "answer-acme-offline-use",
  "format": "direct-answer",
  "answer": "Acme Widget 支持现场团队的离线队列。工作会先保存在本地，并在网络恢复后同步。",
  "claimIds": ["claim-offline-queueing"],
  "citationTargetIds": ["cite-product-guide-offline"],
  "evidenceStatus": "verified",
  "reviewStatus": "approved",
  "lastReviewed": "2026-05-28"
}

引用目标

引用目标应该小而稳定。好的引用目标能支撑一条主张或一个答案，而不要求客户端读取整份文档。

推荐字段：

id
sourceRef
url
heading
excerpt
targetKind：page、section、paragraph、table、figure、video-transcript、data-point
authorityLevel
freshness
accessibility
health
lastChecked

不要为隐藏文本、虚假来源、不可验证主张，或与可见页面实质不一致的内容创建引用目标。

机器可读表面

Answer-ready 知识包可以把机器可读表面记录为数据：

表面	用途
`sitemap.xml`	URL 发现和更新时间提示。
`robots.txt`	爬虫访问策略。
`llms.txt`	面向 LLM 客户端的简洁 Markdown 导航。
`llms-full.txt`	供客户端选择加载的更长 Markdown 上下文。
Markdown mirror	重要页面或文档的文本优先副本。
Structured data	与可见内容一致的 JSON-LD 或同类 schema 记录。

这些表面可以帮助客户端发现和理解内容，但不保证排名或答案收录。

监测

监测记录是观察结果，不证明外部答案引擎会持续保持同一行为。

推荐字段：

promptSetId
platform
questionId
answerPresence：absent、mentioned、cited、primary、incorrect
citationTargetIds
competitorEntities
answerAccuracy
observedAt
notes

监测运行用于发现：

答案漂移
过时事实
缺失引用
竞品占位
幻觉出来的产品或政策主张
断裂的引用目标
结构化数据不一致

运行时加载

处理答案任务时，客户端应该加载紧凑答案子图：

text

question
-> intent and audience
-> answer block
-> claims
-> citation targets
-> constraints and risk notes
-> relevant source excerpts only when citation or verification is needed

resolver 不应该加载全部监测运行记录。除非用户要求审计细节，否则优先加载最新摘要。

边界

Answer-ready 文件是数据，不是排名指令。
CitationTarget 记录是引用候选，不证明外部系统已经引用。
监测观察不证明因果关系。
结构化数据必须与可见内容一致。
不要包含 prompt injection、爬虫欺骗、虚假权威、伪造引用、隐藏主张或黑帽 GEO 指令。
高风险主题的 answer blocks 必须有更强的评审和证据要求。

Answer-ready 知识包 ​

最小结构 ​

Frontmatter ​

核心对象 ​

推荐文件 ​

问题记录示例 ​

答案块示例 ​

引用目标 ​

机器可读表面 ​

监测 ​

运行时加载 ​

边界 ​