知识库概览 ​

知识库的作用很简单：

让智能体回答问题时，不只是靠模型自己的常识，而是能参考你自己的资料。

如果你有这些内容，通常就适合做知识库：

• 公司资料
• 产品手册
• FAQ
• 制度文档
• 培训资料
• 操作说明

搭一套知识库，通常要配什么 ​

从用户视角看，通常要准备 4 样东西：

1. 向量模型 负责把文档变成可检索的数据
2. 向量库 负责保存这些可检索的数据
3. 解析配置 负责把图片、PDF 等资料里的文字提取出来
4. 知识库配置 把上面这些能力真正串起来

知识库流程关系图 ​

flowchart TD
    A[原始资料
PDF / 图片 / 文档] --> B{是否需要解析}
    B -->|是| C[解析配置
提取文本内容]
    B -->|否| D[直接读取文本内容]
    C --> E[知识库文档内容]
    D --> E[知识库文档内容]
    E --> F[向量模型
把文本转换为向量]
    F --> G[向量库
保存向量数据]
    E --> H[系统存储
保存原始文件或资料]
    G --> I[知识库配置
组织检索链路]
    H --> I[知识库配置
组织检索链路]
    I --> J[智能体提问]
    J --> K[在向量库中检索相关内容]
    K --> L[把命中内容返回给智能体]
    L --> M[智能体组织最终回答]

你可以直接这样理解这条链路 ​

• 文件解析：负责把图片、PDF 等资料变成可读文本
• 向量模型：负责把文本转换成可检索数据
• 向量库：负责保存这些可检索数据
• 系统存储：负责保存原始文档或文件本身
• 知识库配置：负责把这些能力真正串起来

向量模型到底是什么 ​

很多人第一次做知识库时，最容易不理解的就是“为什么还要单独配一个向量模型”。

你可以直接这样理解：

• 对话模型：负责和用户对话、组织回答
• 向量模型：负责把文档变成“可检索的数据”

也就是说：

• 没有向量模型，文档就很难进入知识库检索链路
• 只有对话模型，不足以把资料做成可搜索的知识库

向量模型什么时候需要配 ​

只要你要做知识库，通常就需要配一个向量模型。

最常见场景包括：

• 产品资料问答
• FAQ 问答
• 企业文档查询
• 内部制度检索

向量模型和向量库的区别 ​

这两个名字很像，但作用完全不同：

向量模型 ​

负责把文档内容转换成向量。

向量库 ​

负责保存这些向量，并在查询时找出最相关的内容。

简单说就是：

• 向量模型负责“转换”
• 向量库负责“保存和查找”

推荐的配置顺序 ​

第一次配置时，建议按这个顺序：

1. 先配置向量模型
2. 再配置向量库
3. 再配置解析配置
4. 最后创建知识库配置
5. 然后导入少量文档测试

第一次测试要怎么做 ​

不要一开始就导很多资料。

建议：

• 先放 1 份 PDF
• 再放 1 份说明文档
• 再放 1 份 FAQ

这样更容易判断是：

• 文档没解析好
• 没入库成功
• 还是检索效果不好

推荐阅读 ​

• 向量库配置
• 解析配置
• 知识库配置