知识库

知识库是 Agent 的事实底座。把企业文档结构化、向量化,Agent 在回答前先检索。

→ 不熟悉 RAG?先读 RAG 基础

多格式导入

处理流水线

数据导入 → 格式识别 → 内容解析 → 智能分块 → 向量化 → 索引构建 → 就绪

每一步都可以在文档详情页查看状态、重新处理（Reparse)、预览中间结果。

三种分块策略

分块策略调整入口

知识库 → 设置 → 分块策略:

• 块大小（token):默认 1000，可调 200–4000
• 重叠（token):默认 200，可调 0–500
• 策略：固定 / 语义 / 智能

向量化

访问控制（ACL)

知识库的权限是 4 级:

权限主体可以是 用户 / 角色 / 部门,继承自组织级 资源策略,也可在知识库内细化。

版本与审批

• 版本追踪:每次文档变更生成版本快照
• 审批流（可选):启用后，新增 / 修改文档需经审批才能进入向量库

RAG 使用

知识库可以被三种方式调用:

检索调优三板斧

按效果递减,自上而下尝试:

1 · 调整 TopK

默认 5。先调这个。

• 答非所问 → 试 8 / 10
• 答案太长太散 → 回到 5

2 · 加 Reranker

在知识检索节点启用 Reranker 模型，把初次检索的 TopK 重排，精准度显著提升，延迟略增。

3 · 调分块

只有前两步没解决才调:

使用追踪

知识库详情页 → 使用情况:

• 哪些 Agent / Workflow / Chatflow 在引用
• 检索命中率、空命中
• 用户反馈（满意 / 不满意标注)
• 知识缺口识别(高频但低命中的查询，提示你需补哪些文档)

数据源 vs 知识库

它们是两层抽象,不要混用:

→ 数据源

反模式

• 把数据库表 dump 成 CSV 塞知识库 — 用 数据源 + SQL 工具
• 把实时数据（订单、库存）放知识库 — 用 HTTP 工具 调实时 API
• 一个超大知识库装所有文档 — 按业务拆，粒度更可控

接下来

• 上手 → 第一个 Agent · 接知识库
• 数据 ETL → 数据源
• 调优 → RAG 基础