活的知识库会在使用中自我改进。CVS 捕获专家答案，在时间知识图谱中检测矛盾，并在从不删除历史的前提下淘汰过时事实——每周自动新增 30–50 条经过验证的条目。
知识以三种方式同时进入 CVS。专家通过 Web UI 手动添加事实。智能体升级闭环捕获知识库此前无法处理的问题的答案。而差异重索引会在文档变更时自动重新摄入，让更新无需全量重建即可流入。
每条通道都汇聚到同一条严谨的路径：原始输入变成原子事实，每条事实都盖上来源溯源戳记，针对既有知识运行矛盾检查，最后一个非破坏性修补落入活知识库。没有任何内容被覆盖，一切皆可溯源归属。
当一条新事实到来时，CVS 不会盲目追加它。旧事实与新事实——各自携带来源溯源和有效期——一同进入时间知识图谱，引擎在其中推理它们如何随时间相互关联，而不仅仅判断它们的文本是否重叠。
该检查会得出五种结果之一：确认 (CONFIRMS)、修补 (PATCHES)、取代 (SUPERSEDES)、矛盾 (CONTRADICTS) 或需人工审核 (NEEDS HUMAN REVIEW)。过时知识一旦被取代，便会立即退出检索——但其历史得以保留，因此您仍可查询知识库在过去任意日期所相信的内容。
CVS 在片段级别而非文档级别更新知识。一个分块沿着显式的版本链演进——文档 v1 → 分块 A → 修补 A1 → 修补 A2 → 被文档 v2 取代——并用带类型的边精确记录每一步如何由上一步派生而来。
由于修补是非破坏性的，原始内容从不会被改写。检索始终读取当前有效的链条，而审计人员可以沿着 DERIVED_FROM、PATCHED_BY 和 SUPERSEDED_BY 这些边来重建完整脉络。这正是 CVS 在 SOX 及类似版本控制要求下站得住脚的原因。
这是几乎没有哪家企业 AI 能够闭合的循环。员工提问；五个检索器搜索；置信度低于阈值；问题路由给合适的专家；专家的回复变成原子事实；下一个答案既即时又更好。这是一个运转中的流程，而非聊天回复上的一个点赞按钮。
路由经由 Slack、Teams 或 CVS 升级队列流转，让专家在自己已经使用的工具里作答。每一个被捕获的答案都被解析为带来源溯源戳记的事实并修补进知识库，每周累积约 30–50 条新知识条目——即便知道这些知识的人离开，知识依然留存。