1. 引言在大模型 Agent 的生产落地中，知识库的数量几乎不可能只有一个。随着业务演进，企业内部会逐步沉淀出产品文档库、工单知识库、运营规范库、代码仓库、合同条款库等多个来源独立、结构迥异、权限隔离的知识集合。若把它们粗暴地合并进同一个向量索引，会立刻暴露出一系列问题：语义域污染、检索精度下降、权限越界、无法解释召回来源、更新与治理困难等。因此，**知识库路由机制（Knowledge Base Routing）**成为多知识库 Agent 架构中承上启下的关键一环。它要回答的核心问题是：一个由模型主动发起的检索请求，应当去哪些知识库里查、按什么顺序查、各返回多少结果、如何合并与解释，并且这一切必须在生产环境的高并发、低延迟、可观测、可降级约束下可靠运行。本指南面向资深架构师与一线工程团队，从问题定义、路由策略选型、核心架构、关键技术实现，到生产环境实践与代码示例，系统性拆解多知识库场景下 Agent 路由机制的工程方案。所有设计均围绕真实生产约束展开：可观测、可降级、可评估、可解释。2. 问题定义与核心挑战在单知识库场景，RAG（Retrieval-Augmented Generation）链路是线性的：Query → 向量检索 → Top-K → 组装上下文 → LLM 生成。只要召回质量尚可，系统便能工作。但一旦知识库数量从 1 变成 N，整个链路的复杂度呈非线性增长。2.1 多知识库带来的四类核心矛盾第一，语义域污染。