接入知识库

本单元目标

学完本单元后，你将能够独立在扣子平台中创建一个 RAG 知识库，上传文档并完成切片与索引配置，最终将知识库接入 Bot，使其能基于你的私有资料进行专业回答。

概念讲解

RAG（检索增强生成）是一种让大模型“开卷考试”的技术架构。大模型本身的知识截止于训练数据，面对你提供的内部文档或最新资料时，它只能“闭卷猜答案”。RAG 的解决思路是：在模型回答前，先从你上传的文档库中检索出与问题最相关的片段，把这些片段作为参考上下文一起交给模型，让它基于这些材料生成答案。

在扣子平台上，知识库就是 RAG 的存储与检索层。当你上传一份 PDF 或 Word 文档后，平台会将其拆分为若干“切片”（chunk），每个切片是一段语义完整的文本，并为其生成向量索引。当用户提问时，扣子会将问题向量化，与库中所有切片做相似度匹配，取回 Top-K 个最相关的片段。这里的两个关键参数是“切片长度”和“召回数量”：切片过长则检索粒度粗糙，过短则语义不完整；召回数量决定每次回答参考几段资料，直接影响回答的丰富度与准确性。

以“员工手册问答 Bot”为例：手册被切成 300 字左右的切片，用户问“年假怎么休”，系统召回包含“年假”字样的 3 个切片，模型综合这些切片内容给出准确回答，而非凭空编造。

实操演练

1. 在扣子平台左侧导航栏点击“知识库”，进入后点击“创建知识库”，填写名称（如“员工手册库”）和描述，选择“通用”类型。
2. 在知识库详情页点击“添加文档”，上传一份 PDF 或 TXT 文件（建议不超过 20MB），等待系统自动完成解析。
3. 在“切片设置”中，将“切片长度”设为 300-500 字符，“切片重叠”设为 50 字符，点击“确认”后等待索引构建完成。
4. 进入你的 Bot 编辑页面，在“技能”区域点击“添加技能”，选择“知识库”，勾选刚创建的知识库并设定“召回数量”为 3。
5. 在 Bot 的“人设与回复逻辑”中补充一句“优先依据知识库内容回答，若知识库无相关内容则明确告知”，然后点击“发布”并打开调试面板测试提问。

练习任务

1. 上传一份你手头的行业报告（PDF 或 Word），创建知识库并接入 Bot，成功让 Bot 回答出报告中至少 2 个具体数据或结论。
2. 调整知识库的召回数量（从 3 改为 5），对比同一问题的两次回答差异，用一句话总结召回数量对回答质量的影响。