1. 引言在大模型 Agent 的生產(chǎn)落地中，知識庫的數(shù)量幾乎不可能只有一個。隨著業(yè)務(wù)演進(jìn)，企業(yè)內(nèi)部會逐步沉淀出產(chǎn)品文檔庫、工單知識庫、運(yùn)營規(guī)范庫、代碼倉庫、合同條款庫等多個來源獨(dú)立、結(jié)構(gòu)迥異、權(quán)限隔離的知識集合。若把它們粗暴地合并進(jìn)同一個向量索引，會立刻暴露出一系列問題：語義域污染、檢索精度下降、權(quán)限越界、無法解釋召回來源、更新與治理困難等。因此，**知識庫路由機(jī)制（Knowledge Base Routing）**成為多知識庫 Agent 架構(gòu)中承上啟下的關(guān)鍵一環(huán)。它要回答的核心問題是：一個由模型主動發(fā)起的檢索請求，應(yīng)當(dāng)去哪些知識庫里查、按什么順序查、各返回多少結(jié)果、如何合并與解釋，并且這一切必須在生產(chǎn)環(huán)境的高并發(fā)、低延遲、可觀測、可降級約束下可靠運(yùn)行。本指南面向資深架構(gòu)師與一線工程團(tuán)隊(duì)，從問題定義、路由策略選型、核心架構(gòu)、關(guān)鍵技術(shù)實(shí)現(xiàn)，到生產(chǎn)環(huán)境實(shí)踐與代碼示例，系統(tǒng)性拆解多知識庫場景下 Agent 路由機(jī)制的工程方案。所有設(shè)計均圍繞真實(shí)生產(chǎn)約束展開：可觀測、可降級、可評估、可解釋。2. 問題定義與核心挑戰(zhàn)在單知識庫場景，RAG（Retrieval-Augmented Generation）鏈路是線性的：Query → 向量檢索 → Top-K → 組裝上下文 → LLM 生成。只要召回質(zhì)量尚可，系統(tǒng)便能工作。但一旦知識庫數(shù)量從 1 變成 N，整個鏈路的復(fù)雜度呈非線性增長。2.1 多知識庫帶來的四類核心矛盾第一，語義域污染。