📘 知识库是为大模型提供外部知识支撑的核心组件。
通过上传企业文档、网页或结构化数据，系统自动完成 解析 → 切片 → 向量化 → 上下文增强 → 检索索引，
让模型在回答问题时引用真实资料，而不仅依赖内部记忆。📋 核心价值：
- 提升回答准确性与专业度
- 降低模型幻觉风险
- 支撑企业级知识问答、FAQ、客服系统、产品文档中心、研发资料库等场景
功能特性
- 多源知识接入：支持多种文档格式和数据源
- 智能内容切片：自动拆解为语义完整的知识单元
- 高效语义向量化：精准捕捉深层语义信息
- 自动索引构建：毫秒级检索响应速度
- 灵活召回策略：融合多种检索方式
- 上下文增强：重建语义关联和逻辑推理
| 功能模块 | 核心能力 |
|---|
| 多源知识接入 | - 支持多种主流文档格式，无需手动转换格式
- PDF/DOC/DOCX/PPT/PPTX/XLS/XLSX/CSV/TXT/MD
- 实时抓取并消化指定网页内容，自动同步更新。
- 直接对接飞书等协作工具，将团队动态知识纳入体系。
|
| 智能内容切片 | - 提供多种切片策略，长文档智能拆解为语义完整的知识单元。
- 支持自适应切片大小，确保每个片段既不过于零散，也不过于冗长。
- 可选的图片理解模块，让图表信息也能参与检索。
|
| 高效语义向量化 | - 采用业界领先的嵌入模型，将文本转化为高维度的语义向量。
- 内置多语言支持，能够跨越语言障碍，理解并关联不同语种的知识。
|
| 自动索引构建 | - 提供默认索引方案，也支持根据数据特点进行自定义配置。
- 引入AI自动构建索引的能力，动态优化索引结构以适应数据变化。
|
| 灵活召回 | - 融合关键词、向量语义等多种召回策略，确保查全和查准。
- 提供参数动态调优的可视化界面，轻松找到最适合业务的配置。
- 构建知识检索体验中心，用于评估和迭代不同策略的效果。
|
| 上下文增强 | - 为孤立的文本切片重建上下文，补充章节、标题等隐含信息。
- 自动补全片段中缺失的关联信息，让AI能够进行跨段落的推理。
- 专门优化对需要结合上下文理解的复杂问题的处理。
|
| 标签过滤 | - 支持文本、选项、日期三类标签体系
- AI智能识别文本并自动生成推荐标签。
|
| QA干预 | - 允许建立问答对知识库，作为问答的权威参考。
- 在检索时优先匹配并返回已设定的标准QA知识。
|
| 图片召回 | - 赋予系统理解图片、图表、流程图内容的能力。
- 建立文本描述与图片内容之间的深层关联，实现图文对齐。
|
| 重排序机制 | - 初步召回的多个候选结果，应用更精细的排序模型进行二次筛选。
- 动态调整最终结果的展示顺序。
|
快速上手
知识库提供“一次上传，多次调用”的知识管理模式：
- 创建知识库：定义知识库的基本信息、描述、分类和上下文增强策略。
- 上传文档：上传本地文件、飞书文档或网页链接，系统自动解析并分片。
- 数据处理：系统会完成文档切片、上下文增强、向量化等操作。
- 知识检索：根据用户问题检索相关切片，在智能体中使用知识问答时将基于检索结果生成回答。
Step 1：创建知识库
进入知识库页面，点击右上角【创建知识库】。
知识库版本（系统自动识别）
| 增强版 | QA版 | 普通版 |
|---|
- 开启上下文增强功能并创建的知识库
- 在已开启上下文增强的知识库中上传问答对时，系统自动识别为 QA 版，此时上下文增强不对 QA 内容生效
- 使用场景：复杂问题查询；文档含复杂图文；支持语义补全或指代增强等高精度场景
| - 导入的知识为问答对格式的知识库
- 在已开启上下文增强的知识库中上传问答对时，系统将自动识别为 QA 版，此时上下文增强不生效
- 使用场景：精准匹配问题与答案；回答速度快，提供确定性答案
| - 未开启上下文增强功能，且导入知识非问答对格式的标准知识库
- 使用场景：简单信息查询；不需要上下文理解的基础知识提供；文档或资料的直接查询
|
| 配置项 | 说明 |
|---|
| 图标 | 为知识库选择独特图标，便于快速识别和管理 |
| 知识库名称 | 清晰、唯一的命名，支持中英文、数字及常用符号 |
| 向量化模型 | - Embedding-3-pro（推荐）：性能最强，支持多语言（0.5元/百万 Tokens）
- Embedding-3：性能均衡，适用于多数场景（0.5元/百万 Tokens）
- Embedding-2：基础模型（0.5元/百万 Tokens）
|
| 分类 | 将知识库归入指定分类，方便结构化管理 |
| 描述 | 填写知识范围、用途等信息，建议详细填写以便模型调用 |
| 上下文增强 | 启用后保留文档中的关键语义与指代信息，提升复杂问答效果。 重要说明： - 启用后会增加数据处理的Tokens消耗和时间，请确认资源充足
- 启用后，知识库将标记为【增强版】，享有更强的检索能力
- 此操作不可逆，启用后无法回退至普通版
- 所有新上传至该知识库的文档都将自动应用此增强处理
|
重要说明：启用上下文增强后会增加数据处理的Tokens消耗和时间，此操作不可逆，启用后无法回退至普通版。
Step2：上传知识
- 点击【上传知识】按钮开始上传流程
- 根据知识源类型选择相应的上传方式
- 完成上传后，可在文件夹中进行预览、分类和筛选操作
- 注意监控存储空间使用情况，避免超额费用
- 通过合理组织和上传知识，您可以构建结构清晰、检索高效的知识库系统。
支持的知识源
| 知识源 | 核心能力 | 关键注意事项 | 最佳实践 |
|---|
| 本地文档 | - 支持主流办公文档格式：PDF, DOC/DOCX, PPT/PPTX, XLS/XLSX
- 支持纯文本与结构化数据：CSV, TXT, MD
| 单个文件大小建议不超过100MB | - 首选PDF格式：PDF能最佳地保留原始版式和图文结构，确保AI最精准地解析内容
- 保持格式规范：对于Word、Excel等文件，清晰的标题、段落和表格结构有助于提升解析质量
|
| 飞书文档 | 动态关联飞书云文档，实现内容自动同步与更新 | 需要按照指引完成授权关联，确保系统有读取权限。详见知识库接入飞书文档https://zhipu-ai.feishu.cn/wiki/ULBawOiydiuD4fktiSVcgCzonwm | - 确保访问权限：为保证稳定同步，请确保关联的飞书文档具有长期有效的访问权限
- 定期内容维护：在飞书端定期更新和梳理文档，知识库将自动保持最新
|
| 网页链接 | 支持批量导入URL，自动抓取并消化网页的静态文本内容 | - 仅抓取页面的静态内容，无法处理需要登录或复杂交互后才显示的数据
- 暂不支持对目标网页进行多层级的深度爬取
| - 确保URL可访问：提供公开、有效的URL。批量导入时，请注意分隔符格式的正确性
- 适用于信息聚合：最适合抓取新闻、博客、产品手册等结构相对固定的公开网页
|
| 问答对 (Q&A) | - 上传标准问答对，建立一个高优先级、权威的答案层
- 当用户提问与Q&A中的问题高度匹配时，系统将直接返回您设定的标准答案，实现精准、快速的应答
| - 导入Q&A后，该知识库将被标记为 QA版，并专用于存储问答对，无法再混合上传普通文档
- QA版 知识库为实现最高响应速度，不应用”上下文增强”功能
| 两种核心用法：- 构建独立FAQ库：创建一个专门的QA知识库，用于高效回答常见、高频问题
- 作为”答案干预层”：在测试其他知识库时，可开启QA干预。系统会优先从您的QA库中寻找权威答案，若未命中，再到文档中进行语义检索。这是确保关键问题答案准确性的最佳方式
|
存储与计费
- 默认空间上限：1 GB
- 超出容量计费：0.04元/GB/小时
- 操作建议：监控存储空间使用情况，避免超额费用
Step 3：知识处理
处理流程
| 处理阶段 | 用户选项 | 说明 |
|---|
| 文档解析与图片解析 | 自动处理 | - 自动识别文档的标题、段落等结构
- 提取文档的格式信息
- 保存重要元素，无需用户干预
- 图片解析需开启白名单
|
| 切片策略应用 | 基础/高级模式 | - 将文档分割为知识小单元
- 两种模式：
- 基础：系统自动选择最佳切片方式
- 高级：可自定义切片规则
|
| 上下文增强处理 | 自动处理（增强版） | - 解决单独文本片段信息不完整的问题
- 建立各片段间的联系
- 建议开启此功能以提高复杂问题的回答质量
|
| 切片向量化 | 自动处理 | - 将文字转换为向量（数学表示）
- 自动进行，无需用户操作
- 为相似内容查找建立基础
|
| 处理状态指示 | 实时反馈 | - 状态显示：处理进度会实时显示
- 完成通知：所有步骤完成后会提示”数据完成”
- 立即可用：处理完成即可开始知识检索测试
- 处理时间：一般10MB文档约需1-3分钟，取决于内容复杂度
- 错误处理：如遇数据异常，可点击”重试”按钮
|
处理状态
| 处理阶段 | 核心价值与系统行为 | 用户配置 |
|---|
| 文档智能解析 | 核心价值：精准识别文档的内在结构（如标题、段落、表格、列表），并提取核心图文信息，最大程度地还原文档的原貌。 系统行为：自动化解析，保留关键格式与元素。 此过程全自动进行，无需用户干预。 如需系统深入解析图片中的内容（如图表、流程图），请在文档的高级设置中开启图片解析功能。 | 无需配置（自动处理） |
| 语义单元切片 | 核心价值：将长文档智能拆解为一个个语义完整、大小适中的知识片段。这是确保高精度召回和生成高质量、逻辑连贯答案的关键一步。 系统行为：根据选定策略进行内容分割。 提供两种灵活的模式： - 基础模式：系统根据文档特性，自动采用最优切片策略
- 高级模式：支持您根据专业需求，自定义切片规则
| 选择切片模式（基础/高级） |
| 上下文关联增强 | 核心价值：为独立的知识片段重建其原始上下文，建立段落间的逻辑关联。这是系统能够进行深度推理、回答需要结合前后文的复杂问题的核心能力。 系统行为：构建知识片段的上下文内容。 此功能在您创建”增强版”知识库时自动启用。启用后，系统才能真正理解并回答跨段落的复杂提问。 | 创建时选择是否启用上下文增强 |
| 语义向量化 | 核心价值：将所有文本片段转化为高维度的数学向量，使其能被计算机理解和比较。这是实现”用自然语言提问，找到最相关内容”的技术基石。 系统行为：调用向量化模型进行计算。 此过程基于您选择的向量化模型全自动完成，无需任何操作。 | 选择向量化模型（创建时配置） |
| 处理状态反馈 | 核心价值：提供清晰、实时的处理进度反馈，让您对数据处理的每个环节了如指掌，并能预估完成时间，提升操作的确定性。 系统行为：监控处理队列和任务状态。 - 状态显示：处理进度会实时显示
- 完成通知：所有步骤完成后会提示”数据完成”
- 立即可用：处理完成即可开始知识检索测试
- 处理时间：一般10MB文档约需1-3分钟，取决于内容复杂度
- 错误处理：如遇数据异常，可点击”重试”按钮
| 无需配置（自动反馈） |
Step4：知识检索测试
| 功能模块 | 核心能力 | 最佳实践 |
|---|
| 知识检索 | - 实时效果验证：输入问题，立即查看系统召回的知识片段和相关性
- 鲁棒性测试：对比不同提问方式（如改变措辞、增加背景）下的检索效果
- 多库横向对比：快速切换不同知识库，验证各自的表现
- 贴近真实场景：使用来自您真实业务场景的问题进行测试，以检验实际应用效果
- 探索提问边界：尝试用多种方式提问，包括模糊、复杂、甚至错误的表述，以测试系统的鲁棒性
- 参数自动保存：系统会自动保存您在当前知识库下的调试参数。切换知识库后，可随时【重置为默认参数】
| - 关注高分片段：首先检查相关度得分最高的片段，看其内容是否准确、完整。这是判断检索质量最直接的方式
- 基于分析进行迭代：如果高分片段不准确，尝试调整参数（如阈值）或优化提问方式
|
| 参数调优 | - 精细化控制检索行为：
- 召回方式：选择不同的检索策略（如语义优先、关键词混合）
- 召回分数：调整分数门槛，决定只召回”高相关”内容，还是”尽可能多”的内容
- 召回数量：控制返回给模型进行最终回答的知识片段数量
- 重排模型：启用二次排序模型，对初步召回的结果进行精选，提升顶部结果的准确性
- QA干预：决定是否优先使用QA版知识库的权威答案
- 知识范围：在特定分类或标签下进行限定范围的检索
| - 调高阈值 → 答案更精准，但可能漏掉一些相关性稍弱的信息
- 调低阈值 → 答案更全面，但可能引入一些不相关的噪声
- 平衡精度与广度：根据您的业务需求（例如，客服机器人需要高精准，研究分析需要高召回），找到最佳的参数平衡点
|
| 结果分析 | - 溯源与诊断：清晰地查看每个答案背后引用的原始文档片段（知识切片）
- 量化评估：分析每个召回片段与问题的相关度得分，理解系统决策的依据
- 对比洞察：直观对比不同参数设置或不同提问方式下，召回片段的差异
| - 关注高分片段：首先检查相关度得分最高的片段，看其内容是否准确、完整。这是判断检索质量最直接的方式
- 基于分析进行迭代：如果高分片段不准确，尝试调整参数（如阈值）或优化提问方式
|
参数调优指南
| 参数类型 | 子参数 | 具体描述 | 调优建议 |
|---|
| 召回方式（这决定了系统如何在知识库中查找信息） | 1. 混合检索（推荐使用） | - 作用：同时使用语义理解和关键词匹配两种方式查找信息
- 优势：既能理解问题含义，又能精确匹配关键术语
- 向量检索占比：通过滑块调整语义理解的重要性
- 向右拖动（接近1）：更注重理解问题的实际含义
- 向左拖动（接近0）：更注重匹配问题中的确切词语
- 建议初始值：0.8（适合大多数情况）
- 索引方式：此功能为白名单功能，可联系商务/客服开通。系统使用文档的原始内容或您自定义内容建立检索索引，如为自建索引则无需额外操作，默认使用原文索引
| 向量检索占比建议初始值0.8，可根据需求调整 |
| 2. 向量检索 | - 作用：将问题转换为数学向量，寻找语义相似的内容
- 适用场景：当您提问的方式与文档表述不完全一致时
- 示例：“如何处理客户投诉”能匹配到”用户抱怨解决方案”的内容
- 索引方式：此功能为白名单功能，可联系商务/客服开通
| 适用于问题表述与文档不一致的场景 |
| 3. 关键词检索 | - 作用：直接查找包含您输入词语的文档
- 适用场景：查找包含特定术语、产品名称或代码的内容
- 示例：搜索”A360产品规格”将精确查找包含这些词的文档
| 适用于查找特定术语、产品名称或代码 |
| 召回分数 | 最低相关度分数 | - 含义：检索结果必须达到的最低相关度分数（0-1之间）
- 效果：
- 提高数值（接近1）：结果更精确但可能召回的内容较少
- 降低数值（接近0）：结果更多但可能召回的内容不太相关
- 建议使用默认设置：0.3
| 建议使用默认设置：0.3 |
| 召回数量 | 最大返回结果数 | - 含义：系统最多返回多少条匹配结果
- 建议：
- 简单问题：设置较小数值
- 复杂问题：设置较大数值以获取更全面信息
| 简单问题设置较小值，复杂问题设置较大值 |
| 重排模型（结果重排序） | 二次排序 | - 功能：对初步检索结果进行二次排序，将最相关的内容排在前面
- 建议：对于重要查询建议开启，能提高结果质量
| 重要查询建议开启 |
| QA干预 | QA优先匹配 | - 功能：允许系统优先从QA知识库中提供回答，若QA未召回，则继续根据召回分数和召回数量进行标准召回，如同时开启重排和QA干预，QA干预命中后重排不生效，重排只对标准召回策略生效
- 适用情景：有常见问题需要标准化回答时
- 设置步骤：
- 开启右侧开关
- 设”干预阈值”（推荐初始值：0.60）
- 选择或创建QA知识库
- 点击”创建”可添加新的问答对知识库
- 从下拉菜单选择已有知识库
| 适用于有标准化回答的常见问题 |
| 文件范围控制 | 按标签筛选 | - 功能：限制只在带特定标签的文档中搜索
- 操作方法：
- 开启右侧开关
- 点击”筛选条件”按钮
- 在弹出的界面中选择需要包含或排除的标签
- 标签设置需在文档列表页操作
- 适用场景：当知识库内容多样，需要在特定领域内查找时
| 适用于需要在特定领域内查找的场景 |
三、主要功能介绍
1. 上下文增强
🏅 上下文增强是一项先进的RAG流水线预处理技术，通过为孤立的知识切片添加强上下文信 息，使切片恢复其在原文中的语义关联，从根本上提升检索质量和问答准确性。
| 技术维度 | 实现方式 | 优势效果 |
|---|
| 工作原理 | - 为每个知识切片生成简洁精准的上下文说明
- 将上下文与切片共同用于嵌入索引构建
- 实现知识切片间的语义桥接
| - 还原知识的原始语义环境
- 弥补切片分割导致的语境丢失
- 模拟人类整体阅读理解方式
|
| 技术架构 | - 智能上下文生成引擎
- 增强型双重索引机制(向量+BM25)
- 自适应语义关联网络
| - 减少信息孤岛效应
- 提升跨片段推理能力
- 加强知识间隐性联系
|
- 进入【创建知识库】/【知识库编辑】界面。
- 在创建或编辑知识库时，找到并启用【上下文增强】开关。
- 保存设置。此后所有新上传的内容都将自动应用增强处理。
重要注意事项 (请在开启前仔细阅读):
- 这是一个单向操作：知识库一旦升级为“增强版”，将无法回退到标准版。这是因为我们重构了其底层的数据结构。
- 会产生额外成本：该功能需要消耗更多的计算资源进行深度处理，因此会产生额外的计算费用。其价值在于大幅提升检索质量，尤其适合对准确性和完整性有高要求的场景。
- 存量数据需要重新处理：对已有的知识库开启此功能，系统需要对库内所有文档进行一次性的重新处理，根据数据量大小，可能需要一些时间。
2. 切片策略
| 切片方式 | 支持格式 | 示例结构 | 技术特点 | 最佳应用场景 |
|---|
| 按段落标题 | PDF、DOCX、TXT、MD | 一、概述 1.1 背景介绍 | - 智能识别标题层级结构
- 保留完整语义单元
- 维持原文逻辑组织
| - 层级分明的技术文档
- 规章制度与政策条款
- 结构化教学材料
- 章节清晰的产品手册
|
| 按页切片 | PDF、PPTX | 每页为一个知识单元 | | - 固定格式的报告文档
- 幻灯片演示内容
- 图表密集的分析报告
- 布局信息重要的材料
|
| 按问答对 | DOCX、TXT、MD | 问题+答案结构 | - 精准捕捉QA语义关系
- 优化问答匹配度
- 保持完整答案上下文
| - FAQ知识库
- 客服问答手册
- 培训测验材料
- 常见问题解答集
|
| 按行切片 | CSV、XLSX | 每行记录一条知识 | - 保留行级数据完整性
- 优化结构化数据检索
- 适合固定格式内容
| |
| 自定义切片 | 所有文本类 | 自定义分隔符，如 === | | - 混合格式文档
- 特殊分隔符文本
- 非常规结构内容
- 需精确控制切片大小
|
3. 切片管理
| 功能项目 | 具体描述 | 备注 |
|---|
| 查看切片 | 支持查看单个知识片段的完整内容，包括系统为其生成的上下文增强信息，让您清晰了解AI在回答问题时到底”看”到了什么。 |  |
| 原文定位 | 在原文预览中，系统会自动高亮并滚动到该片段的原始位置，方便您快速溯源和核对。 |  |
| 编辑切片 | 直接编辑知识片段的文本内容或其上下文描述，以纠正系统解析的错误或更新过时的信息。 |  |
| 上传图片 | 支持在知识片段中上传图片（如图表、示意图）。上传后，系统将自动处理该图片，使其能被未来的检索查询到。 |  |
| 新增切片 | 允许您在文档中手动创建一个全新的知识片段，以补充系统未能自动抓取到的”隐性知识”或关键信息。支持直接从原文中复制内容。 |   |
4. 图片解析
此功能为白名单功能，可联系商务/客服开通。
当前支持对 PDF、DOCX、XLSX文件中的图片进行解析，功能包括：
| 处理模式 | 技术机制 | 应用场景 | 资源消耗 | 效果预期 |
|---|
| 过滤图片 | | | ⭐最低 | |
| 图片占位符 | | | ⭐⭐低 | - 模型可了解图片存在
- 答案中可插入原图
- 无法基于图内容回答
|
| 多模态图片理解 | | - 图片包含关键信息
- 需理解图表与图示
- 专业文档与技术手册
- 全面的知识获取需求
| ⭐⭐⭐较高 | - 图片内容参与检索
- 可直接回答图内问题
- 理解图文关联语境
|
实施建议：对于含有大量图表、流程图或技术图示的专业文档,建议使用多模态图片理解模式,尽管处 理资源消耗较高,但能显著提升回答质量。对于图片数量多但内容价值低的文档,可采用图片占位符模 式平衡资源和效果。在测试阶段,建议先尝试不同处理模式并评估对最终问答质量的影响,再确定最佳 配置。
5. 文档标签
| 功能维度 | 技术参数 | 实现价值 |
|---|
| 标签上限 | 每知识库最多50个标签 | 提供足够的分类维度，同时防止过度复杂化 |
| 标签类型 | - 选项型(预设值)
- 文本型(自由输入)
- 日期型(时间标记)
| 满足不同数据分类需求，提供结构化检索基础 |
| 生成方式 | | 平衡精确度与便捷性，适应不同建库场景 |
| 系统集成 | 与知识检索引擎深度融合 | 实现语义+标签混合过滤，提升检索精准度 |
实施建议：在初始构建知识库时，建议先设计标准化的标签体系，确保命名一致且具有业务意义。对 于大型知识库，可先使用AI自动生成标签作为基础，再由专业人员审核优化。定期检查和更新标签体 系，以适应业务变化需求。标签名应简洁明确，避免使用太过通用或模糊的术语，确保其在检索时能 提供有意义的过滤价值。
6. QA干预
| 功能维度 | 具体说明 |
|---|
| QA知识库定位 | 专为精准问答设计的特殊知识库 |
| 内容组织方式 | 结构化问答对(Q&A pairs)，每个问题对应一个明确的标准答案 |
| 召回优先级 | - 系统首先尝试从QA知识库中匹配并提供回答
- 仅当QA知识库未能找到匹配答案时，才会继续使用标准召回方式
- 标准召回基于召回分数和召回数量进行优化排序
|
| 与重排功能的关系 | - 当同时开启重排和QA干预时，QA干预拥有更高优先级
- QA干预命中后，重排功能不再结果生效
- 重排功能仅对标准召回路径的结果生效
|
| 与非QA知识库协作 | 双层召回机制，形成优先QA匹配、备选标准召回的完整解决方案 |
| 适用场景 | - 有固定标准答案的常见问题处理
- 客服FAQ系统
- 需要保证关键问题回答一致性的场景
- 希望某些特定问题获得精准固定回答的业务需求
|
| 设置步骤 | - 开启功能：
- 在检索参数面板找到QA干预选项
- 将右侧开关切换至开启状态
- 设置干预阈值：
- 设置”干预阈值”参数（推荐初始值：0.8）
- 阈值越高，匹配要求越严格，只有高相似度的问题被召回
- 阈值越低，匹配更宽松，将从QA知识库召回更多结果
- 选择或创建QA知识库：
- 方法一：点击”创建”按钮添加新的QA知识库
- 方法二：从下拉菜单中选择已有的QA知识库
|
实施建议：在构建QA知识库时，建议从用户实际提问数据出发，优先添加高频问题和关键业务问题。 保持问题表述自然，与用户实际提问方式一致，避免过于技术化或形式化的表述。定期审查QA匹配 数据，将频繁触发但匹配度不高的问题进行优化。对于复杂领域，考虑构建多个专题QA知识库，并 根据问题特点选择性关联，提高答案精准度和系统效率。
四、知识库管理
| 操作类型 | 说明 |
|---|
| 查看知识库 | 查看详细信息与文档结构 |
| 编辑知识库 | 修改名称、描述、图标、模型或上下文增强设置 |
| 复制知识库 | 复制当前知识库 |
| 删除知识库 | 永久删除，无法恢复 |
| 知识库内文件操作 | 预览、重命名、更新（URL类可重新抓取）、删除、下载等 |
| 切片操作 | 查看、编辑、删除或手动新增知识切片 |
五、常见问题
| 错误类型 | 可能原因 | 解决方案 | 预防措施 |
|---|
| 上传失败 | | | |
| 切片异常 | | | |
| 向量化失败 | | | |
| 检索为空 | | - 调整召回参数
- 启用上下文增强
- 优化检索关键词
- 检查文档状态
| |
✨让知识更智能，让回答更可信。
立即创建你的知识库，开启高质量智能问答体验。
