AI知识库
在传统应用系统中，经常面临用户手册散落在各个文档，常见问题答案需要反复查找的问题。
AI知识库元素正是为了解决这些痛点而生。它不仅是文档的存储容器，还具备语义理解的检索能力。它将各类文档转化为可被“理解”的结构化知识，当用户提出问题时，知识库会理解语义意图，返回知识库中匹配的答案。
创建AI知识库元素
在元素目录树点击搜索框右侧的+按钮，选择AI知识库-标准知识库。随后弹出创建AI知识库元素的弹窗。
创建弹窗中需依次完成名称,向量数据库，向量模型和重排模型的选择。点击确定完成创建。
向量模型对搜索的结果有较大的影响，请根据实际情况选择，创建完成后不允许再次修改。
创建完成后会在左侧元素树中显示。
AI知识库的管理
点击左侧元素树中创建好的AI知识库元素，进入AI知识库管理页面。
文档管理
在文档管理页添加与维护AI知识库文档：
点击+ 添加文件，弹出添加文件滑窗。
在选择数据源的分步引导页中，点击虚线框选择文档或拖文档到虚线框中，等待文档上传完成，点击下一步。
文档格式支持PDF、DOCX、TXT、MD格式，单个文档大小不超过10M。
进入分段及清洗的分步引导页后，根据当前上传文档的实际情况，依次配置分段标识符、分段最大长度、分段重叠长度和清洗设置，配置完成后，点击下一步。参数的说明参考向量化配置说明
进入处理并完成的分步引导以后，系统会在后台处理每一个文档，可以等待所有文档向量化完成，也可点击返回文档列表直接关闭滑窗，滑窗关闭不影响后台处理流程。
在文档列表中点击刷新按钮，可以查看当前文档向量化状态。
AI知识库设置
知识库设置中的配置项会影响搜索结果准确性和最终返回内容的大小。
向量数据库和向量模型的设置不允许修改，开发者可以使用查询测试的反馈来动态调整重排模型、TopK、TopN、向量相似度阈值及重排分数阈值这5个参数。
提高准确性需要先了解AI知识库设置项如何参与查询流程。另外，修改配置项后，要点击保存按钮，才能在查询测试中生效。
查询测试
为了方便开发者调试AI知识库的效果，我们提供了查询测试功能。
开发者输入问题，点击测试查询后，系统会理解查询条件的语义，返回查询结果，在查询结果中，会显示符合条件的文档数量，以及每个文档向量相似度评分和重排分数评分。根据查询效果的反馈，开发者可以不断调整AI知识库设置中的配置项，来提高查询效果。
在后端可视化编程中调用AI知识库
在后端可视化编程函数(服务函数/模型函数/任务函数/事件函数)中，知识库元素提供了查询、新增文档、删除文档，关键词查询4个方法。
查询
点击函数面板中空白语句上的请选择文案，在面板中选择知识库-【知识库名称】-查询，完成后会生成AI知识库查询函数，开发者可以在查询函数的输入框中选择查询条件。
新增文档
点击函数面板中空白语句上的请选择文案，在面板中选择知识库-【知识库名称】-新增文档，完成后会生成AI知识库新增文档函数，点击函数中文档添加配置弹出新增文档的详细配置。
填入业务ID、文档文件及其它文档向量化的配置，点击保存完成设置。其中业务ID是当前添加文档的标识，后面删除文档时，可根据业务ID进行删除。文档文件支持附件字段中的多个文件。
其它配置参考向量化配置说明
删除文档
点击函数面板中空白语句上的请选择文案，在面板中选择知识库-【知识库名称】-删除文档，完成后会生成AI知识库删除文档函数，填入业务ID，运行后会删除该业务ID下的所有文档。
关键词查询
单独的知识库检索并不能代替关键词查询，为了提高查询的精度，AI知识库提供了关键词查询功能。
点击函数面板中空白语句上的请选择文案，在面板中选择知识库-【知识库名称】-关键词查询，完成后会生成AI知识库查询函数，配置关键词列表和查询数量，会返回对应的查询结果。
使用大模型将问题中的关键词提取出来，然后通过关键词进行查询。
在AIAgent中使用AI知识库
AI知识库编程接口
query
智能查询AI知识库，返回与查询相关的知识内容。API文档
addDocumentByBusinessId
按业务ID添加文档到AI知识库。API文档
deleteDocumentByBusinessId
按业务ID删除AI知识库文档。API文档
queryKeywords
基于关键词列表查询AI知识库。API文档
原理及参数说明
文档向量化流程
文档上传后，系统会自动解析文档内容，将长文本切分成合适的片段，清洗掉无用信息，然后通过向量模型转换为数学向量，最终存储到向量数据库中供语义检索使用。
AI知识库设置项如何参与查询流程
用户查询时，系统先从向量数据库中检索TopK个相似文档，通过向量相似度阈值过滤掉不相关的内容，然后用重排模型精确排序并取出TopN个最相关的结果，最后通过重排分数阈值做最终筛选，确保返回给用户的都是高质量答案。
向量化配置说明
-
分段标识符：用于拆分文档的分隔符，可选择多个。系统按照所有选择的分隔符进行分段，默认使用段落分隔符（
\n\n）。支持段落分隔符、换行符、句号后跟空格等多种预设选项。 -
分段最大长度：每个文本块的最大字符数，建议在500-2000字符之间。较小的块大小提高检索精确度但可能丢失上下文信息，大块保留更多上下文但可能导致检索不精确。
-
分段重叠长度：相邻文本块之间的重叠字符数，确保跨块信息不丢失。建议设置为块大小的10%-20%，太小可能导致上下文丢失，太大会增加冗余。
-
开启分段清洗：提高文本质量和检索精度的清洗功能。包括多余空白字符清理、非ASCII字符处理（全角转半角）、断行段落修复等，特别适用于PDF文档。
知识库配置参数说明
| 参数名称 | 默认值 | 建议范围 | 说明 |
|---|---|---|---|
| 向量模型 | - | - | 决定文档和查询的语义理解能力，创建后不可修改 |
| 重排模型 | - | - | 对召回结果进行精细排序，可随时更换以优化效果 |
| TopK | 50 | 1-100 | 向量召回条数，控制初步检索的文档数量 |
| TopN | 5 | 1-10 | 重排后返回条数，最终返回给用户的文档数量 |
| 向量相似度阈值 (vectorScore) | 0.6 | 0.1-1.0 | 过滤召回结果，值越高要求越严格 |
| 重排分数阈值 (reRankScore) | 0.3 | 0.1-1.0 | 过滤重排结果，值越高要求越精确 |
一般建议先增大 TopK（扩大召回覆盖），再用较合适的 reRankScore 做精细过滤。若召回噪声较多，可适当调高 vectorScore。