构建知识库与召回测试

知识库把文件、网页和笔记处理成可检索片段。它适合回答“资料里怎么说”，不等于让模型永久记住整份文档。

新建并导入资料

填写容易识别的名称，并选择可用的嵌入模型。嵌入模型负责把资料变成可搜索的表示，与对话使用的主模型不是一回事。

可以添加文件、文件夹、笔记或网址。常见文档格式包括 PDF、DOCX、Markdown、Excel、TXT 和 CSV；扫描件可能需要 OCR 才能取得文字。

打开文件详情查看预览和分段。标题缺失、乱码或表格结构丢失时，先整理原文件，再重新处理。

用真实用户会问的问题测试，不要只输入文件标题。检查返回片段是否相关、是否包含完整上下文，再决定是否绑定给 Agent。

资料显示【就绪】后，用工作中真的会出现的问题测试一次。例如制度库可以问“海外租车能否报销？”，再检查返回内容是否来自正确资料，是否包含足够的上下文。

RAG 指“先检索资料，再让模型作答”。常见设置控制切分长度、重叠范围、返回数量和相关度门槛。

配置	作用	建议起点	什么时候调整
分段长度	决定每个检索片段包含多少内容	先使用页面初始值	片段经常截断句子或混入太多主题时
分段重叠	保留相邻片段的衔接	保持少量重叠	条款跨段、上下文经常断开时
返回数量	一次提供多少候选片段	从少量结果开始	漏掉关键资料时增加，杂讯太多时减少
相关度门槛	过滤不相干内容	用召回测试决定	无关结果多时提高，正确片段被过滤时降低

把现行制度按部门整理，文件名包含主题和生效范围。导入后用“出差住宿超标怎么处理”“试用期请假需要谁批准”等真实问题做召回测试。确认片段准确后，只把这套知识库绑定给“制度问答”Agent，并要求回答时指出资料名称；遇到缺失内容则明确说未找到。

为什么导入后一直没有结果？

检查文件处理状态、嵌入模型连接和文档预览。扫描版 PDF 如果没有可提取文字，需要先配置 OCR 或换成可搜索版本。