Ch41: 16 挑战贡献地图——从难题到 WeKnora Issue
Part 10 索引 · 前置：Ch38–40 · 完整：技术挑战
结论先行：16 挑战不是读后感列表，是 贡献选题库。Part 10 共 10 章深读（Ch38–47），每章合并 1–3 条相关挑战，从矛盾 → 平台差异 → 可开 PR 形态。本章是全 Part 的 路由表：先定位挑战编号，再进对应章节，最后在 WeKnora 仓库找 issue。
一、Part 10 章节结构（Ch38–47 ONLY）
| 章节 | 主题 | 覆盖挑战 | 管线层 |
|---|---|---|---|
| Ch38 | 检索最后一公里 | #1 | 检索 / Rerank / 半 Agentic |
| Ch39 | 文档解析天花板 | #2 | docreader / docparser |
| Ch40 | 分块与多模态 | #3 + #12 | chunker / OCR / VLM |
| Ch41 | 贡献地图（本章） | 全局索引 | — |
| Ch42 | 图谱构建与实时更新 | #4 + #13 | graph / PMI / EventManager |
| Ch43 | Rerank、向量失真与三路延迟 | #5 + #6 + #9 | rerank / embed / 检索并行 |
| Ch44 | 中文特化与跨语言 | #7 + #15 | 分词 / 多语 embed |
| Ch45 | Agentic 成本与 Token 经济 | #8 + #16 | Agent / MCP / 预算 |
| Ch46 | Memory 冲突与平台互操作 | #10 + #11 | Memory / MCP / chunk schema |
| Ch47 | 评估盲区与 Part 10 capstone | #14 + capstone | eval / benchmark 闭环 |
读法建议：Ch38–40 打 ingest+检索基础 → Ch41 选题 → Ch42–47 按兴趣深读 → Ch47 capstone 用 benchmark 验证 PR。
二、16 挑战 → 章节映射（全表）
| # | 挑战 | 深读章节 | 管线层 | 建议首 PR 形态 |
|---|---|---|---|---|
| 1 | 检索最后一公里 | Ch38 | Rerank / rewrite / 拒答 | last-mile 子集 + 低分 rewrite |
| 2 | 解析天花板 | Ch39 | docreader / docparser | parse-pitfalls pytest + 表归一化 |
| 3 | 分块 one-size-fits-all | Ch40 | chunker | doc_type 策略 + 表保护 |
| 4 | 图谱构建与维护 | Ch42 | PMI / graph | 实体消歧 / 增量 PMI |
| 5 | Rerank 泛化 | Ch43 | rerank | 领域 LoRA reranker |
| 6 | 向量语义失真 | Ch43 | embedding / BM25 | 换 embed + 重建索引报告 |
| 7 | 多语言与中文特化 | Ch44 | tokenizer | 领域自定义词典 PR |
| 8 | Agentic 多跳成本 | Ch45 | Agent / MCP | max_rounds + 半 Agentic 护栏 |
| 9 | 三路检索延迟 | Ch43 | 检索并行 | 轻量路由跳过图谱路 |
| 10 | Memory 与 RAG 冲突 | Ch46 | Memory / Wiki | 文档优先 + 矛盾标记 |
| 11 | 平台互操作 | Ch46 | MCP / API | chunk 导出规范 / MCP 文档 |
| 12 | 多模态 RAG | Ch40 | OCR / VLM | 图片描述 ingest |
| 13 | 实时知识更新 | Ch42 | EventManager | 增量 chunk+向量链 |
| 14 | 评估盲区 | Ch47 | eval | RAGAS 补盲区指标 |
| 15 | 跨语言 RAG | Ch44 | embed | 中英混合 benchmark |
| 16 | Token 经济学 | Ch45 | 全局 | top_k / 成本-质量 Pareto |
三、挑战关联（选题时看「连带价值」）
输入端: #2 解析 → #3 分块 → #12 多模态
检索端: #6 向量 + #5 Rerank + #9 延迟 → #1 最后一公里
Agent: #8 成本 ↔ #10 Memory ↔ #11 互操作
长期: #4 图谱 + #13 实时更新
度量: #14 评估 + #16 Token 约束所有优化
语言: #7 中文 + #15 跨语言
高 ROI 组合举例：#1+#14（last-mile benchmark，见 Ch38+Ch47）、#2+#3+#12（parse-pitfalls 全链路，见 Ch39–40）、#5+#6（复合 Rerank 上换 reranker/embed，见 Ch43）。
四、选题公式（大师用）
兴趣 ∩ 能力栈 ∩ 开放 issue ∩ 16 挑战映射 = 志愿 PR
四步执行：
- GitHub Tencent/WeKnora 筛
good first issue/help wanted/ 文档解析标签 - 用上表定位 管线层（Go 检索 vs Python docreader vs 前端）
- 读对应 深读章 + case（如 1785/1725/1743 三联走 Ch39–40）
- issue 下 先留言方案 再开 PR——避免大 diff 方向错误
| 能力栈 | 优先挑战 | 入口目录 |
|---|---|---|
| Python | #2 #12 | docreader/ |
| Go 检索 | #1 #5 #6 #9 | internal/ 检索与 Rerank |
| Go ingest | #3 #13 | chunker / EventManager |
| 评估/数据 | #1 #14 | benchmark/ + Ch20 |
| 前端 | #11 | frontend/ |
五、推荐贡献优先级（犀牛鸟向）
| 方向 | 挑战 | 难度 | 价值 |
|---|---|---|---|
| 中文 RAG Benchmark + last-mile 子集 | #1, #14 | ★★★ | ★★★★★ |
| parse-pitfalls 测试与 docparser 契约 | #2, #3 | ★★★ | ★★★★ |
| 复合 Rerank 领域微调 | #5 | ★★★★ | ★★★★ |
| 分块质量评估工具 | #3 | ★★★ | ★★★★ |
| 实体消歧（PMI 图谱） | #4 | ★★★★ | ★★★ |
| 成本-质量评估框架 | #16 | ★★★ | ★★★ |
章末自检
- 不查表说出 Part 10 共几章、覆盖哪 16 条挑战
- 任选 3 条与你栈匹配的挑战，写出章节号 + WeKnora 目录
- 解释 #3 与 #1 如何级联失败
- 在 GitHub 找 1 个与 #2 或 #3 相关的 open issue