知识库 15 维度覆盖度检测速查：一条命令查出「应聘 Agent 工程师」岗位能力维度的知识覆盖情况，用于体检与补全验收。脚本已入库 scripts/rag-gap.py，复用 RAG 索引检索。

用法

:: 知识库根目录下，用专用环境运行（约 45-60 秒）
D:\auto_ai_Obsidian\.rag-venv\Scripts\python.exe scripts\rag-gap.py

• 前置条件：RAG 索引已构建（rag --build 或 scripts/rag_build_index.py），否则读不到 outputs/rag/
• 输出：15 个维度 × top1 命中文件 + 相关度分数

15 个维度

维度	检测查询词要点
Agent 核心概念	智能体是什么/核心组成/五步循环
多智能体架构	协作模式/编排
工具调用 / Function Calling	工具调用/function calling
记忆系统	长期/短期记忆/记忆管理
RAG 检索增强	RAG 流程
MCP 协议	模型上下文协议
提示词工程	prompt 怎么写
主流 Agent 框架	LangChain/CrewAI/AutoGen 对比选型
向量数据库	Milvus/Chroma/存储
Agent 评估评测	LLM-as-judge
模型微调	fine-tuning/LoRA/RLVR/微调评估
工作流与任务规划	工作流/任务规划/拆解
生产部署	部署/生产环境/成本/可靠性
多模态 Agent	图像/视频/Agent
Agent 安全	提示注入/越狱

分数解读

相关度	含义	处理
≥ 0.9	覆盖扎实	面试可直接答
0.8 ~ 0.9	过线但偏薄	可考虑深挖补全
< 0.8	缺口	用 /research 补该维度

注意事项

• 先重建索引再跑：新增文章后未重建，检测结果不含新内容（检测读取 outputs/rag/ 快照）
• 查询词影响命中：2026-09-15 修正过「模型微调」查询词——旧词 模型微调 fine-tuning LoRA 会误命中 RAG 文章的「RAG vs 微调」对照表（0.75 假缺口）；修正为含 RLVR/微调评估/回归 后正确命中微调底稿（1.32）。改 DIMS 查询词后重跑即可
• research 底稿命中：检测会命中 research/（已降权 0.85），命中底稿说明该主题 wiki 可再编译
• 检测脚本不修改任何文件，只读索引，可随时重跑

历次基线（2026-09-15 收尾）

• 补全前（第 31 轮）：8/15 过线，最弱安全 0.38
• 第 44 轮后：15/15 过线
• 第 56 轮收尾：15/15 全过线且全部正确命中（最低工作流 0.80，最高模型微调 1.32）