知识管理
最后更新时间：2026年8月15日
知识管理用于管理企业内部知识，并结合大语言模型实现检索增强生成（RAG），让智能体基于企业私有知识回答问题， 从而减少大模型的幻觉，并给出可追溯的内容来源。
工作原理
知识库的整体流程分为「构建」与「使用」两个阶段：
知识库构建
- 创建知识库；
- 上传文档；
- 对文档进行切片与向量化。
知识库使用
- 将用户的问题进行向量化；
- 在知识库中进行向量检索；
- 将检索到的内容交给大模型进行回答。
创建知识库
进入「知识管理」页面，点击「新建知识库」，填写名称与描述后完成创建。创建后进入知识库详情，即可开始接入数据源。
接入数据源
平台支持接入多类型数据源，常见方式包括：
- 文档上传：直接上传 PDF、Word、TXT、Markdown 等格式文件。
- 结构化数据：接入数据库、表格等结构化数据。
- 网页或接口：通过配置来源地址抓取或同步内容。
数据质量建议
检索效果高度依赖源内容质量。建议优先整理结构清晰、版本明确的文档，避免重复、过期与相互冲突的内容混入同一知识库。
分块与向量化
文档接入后，平台会按一定策略将长文档切分为更小的片段（分块），并转换为向量表示（向量化）。 分块大小会影响检索精度：过小的分块可能丢失上下文，过大的分块则可能降低相关性。多数场景使用平台默认策略即可， 若发现检索命中率偏低，可尝试调整分块大小或重叠长度。
检索测试与调优
知识库通常提供「检索测试」入口，可输入问题查看命中的内容片段与相似度得分。调优时可关注以下参数：
| 参数 | 说明 |
|---|---|
| 召回数量（top-k） | 每次检索返回的内容片段数量，数量越大上下文越丰富，但可能引入噪声。 |
| 相似度阈值 | 低于该阈值的内容将不被采纳，可有效过滤无关片段。 |
| 分块大小 / 重叠长度 | 控制切分粒度，影响上下文完整性与检索相关性。 |
实践建议
先使用默认参数跑通，再针对「答非所问」或「遗漏关键信息」两类问题分别调参：前者可提高相似度阈值，后者可增大召回数量或分块大小。
知识更新与版本管理
业务内容会持续变化，建议建立轻量更新机制：
- 新增或修改文档后，及时重新同步或重新向量化。
- 对核心制度与正式资料保留版本记录，避免旧版本误用。
- 定期清理重复、过期内容，保持知识库干净。