三层知识系统
为每一项 TorlyAI 技能提供动力的结构化知识注入
它的作用
TorlyAI 中的每一个 AI 智能体，背后都有一条结构化知识流水线作为支撑，它构建自 77,000 多字的 英国创新者创始人签证（Innovator Founder Visa）指南。系统不会一次性把所有上下文全部塞入， 而是只加载每项技能所需的内容 —— 让回应保持快速、聚焦且准确。
该系统将源材料从约 240 万 token 压缩到每次技能调用 4,000–8,000 token —— 大约只占原始内容的 2–4%，且不损失任何可付诸行动的内容。
三个层级
1
第 1 层 —— 核心知识
始终注入到每个智能体的系统提示词中。它包含每项技能都需要的基础框架：
- 不可能三角（创新绞索、可行性断头台、可扩展性陷阱）
- 4F 公式：PMF（30%）+ FMF（25%）+ BMF（25%）+ Fortune（20%）
- 商业计划书章节定义（7 个章节）
- 背书机构概要（UKES、Innovator International、Envestors）
- 评分阈值：优秀（80+）、良好（65–79）、一般（50–64）、欠佳（<50）
约 2–3K token
2
第 2 层 —— 技能知识
各技能专属模块，仅在该技能运行时加载。每项技能都有一份专属的知识文件， 包含面向特定领域的专业知识。
创新矩阵 —— 4F 子维度、画布板块
财务建模 —— 7 项财务认知、I-P-O-C
背书导航 —— 拒签原因、机构选择
面试教练 —— 3 项核验目标、8 个常见错误
签证官视角审查 —— UKES 评估要点、TRL 等级
文件清单 —— 完整的文件要求
每项技能约 1–5K token
3
第 3 层 —— 参考资料
按需加载的内容块，从五个学习模块中按标题提取。仅当智能体需要某个具体主题的 深入细节时才会加载。
| 模块 | 主题 |
|---|---|
| 模块 1 | 创新矩阵（IM） |
| 模块 2 | 商业计划书（BP） |
| 模块 3 | 财务建模（FM） |
| 模块 4 | 背书流程（EP） |
| 模块 5 | 面试与路演稿（IP） |
可变 —— 按标题按需加载
工作原理
当你调用某项技能时，知识加载器会按以下顺序执行：
- 1核心知识始终在场 —— 4F 公式、不可能三角，以及背书机构的上下文， 已经存在于智能体的系统提示词中。
- 2注入技能知识 —— 加载器找到匹配的技能模块，并将其专属内容添加到提示词中。
- 3按需加载参考内容块 —— 如果智能体需要某个具体主题的深入细节， 它会从匹配的模块中请求相关标题。
为什么这很重要
准确性
每一条回应都立足于官方签证指南，而非泛泛的 AI 通用知识。
高效性
只加载相关知识，从而保持较低的 token 用量，回应也更快。
一致性
所有智能体共享同一套核心框架，因此各技能之间的建议永远不会相互矛盾。
可扩展性
只需添加一个知识模块，新技能就能自动获得知识注入。