# 优化知识库配置
在文档质量得到保障的前提下，AgentArts知识库的配置参数将直接决定文档的解析质量、切片精准度与最终检索效果。本节将介绍创建知识库时的核心配置、分段策略的选择与配置，以及在单智能体和工作流中的检索参数配置。
#### 创建知识库时的核心配置
**当前AgentArts团队标准版、团队高级版、企业专业版、企业旗舰版未开放，如果需要购买，请[提交工单](https://console.huaweicloud.com/ticket/#/ticketindex/createIndex)咨询购买相关事宜。**
**向量模型**
向量模型负责将文档切片和用户查询分别转化为数值向量，是语义检索的基础。向量模型创建后不支持修改，选型时需综合考虑语义理解精度、支持的文本长度和推理性能。AgentArts基础版默认知识库预置的向量模型为pangu_embedding。团队标准版、团队高级版、企业专业版或企业旗舰版用户可以通过接入第三方知识库的方式使用其他向量模型。
**精排模型**
精排模型对向量模型初步召回的候选切片进行二次评分排序，将相关度最高的切片置于最前，显著提升检索精准度。AgentArts基础版默认知识库预置的精排模型为pangu_rerank。团队标准版、团队高级版、企业专业版或企业旗舰版用户可以通过接入第三方知识库的方式使用其他精排模型。
**文档解析配置**
文档解析配置决定了知识库在入库时如何处理文档中的图片、表格、页眉页脚和目录页等元素。各配置项的详细说明如下：
表1文档解析配置 
| 配置项    | 说明                                                                                                                                                                                                                                                                                                                                                                                                                                                                               |
|:---|:---|
| OCR增强  | - 不开启，不可调用OCR服务进行智能文档识别。  - 开启后，即可调用OCR服务进行智能文档识别，如表格解析或扫描文件等。                                                                                                                                                                                                                         |
| 页眉页脚解析 | - 未开启，解析结果中不包含页眉页脚。  - 开启后，解析结果中包含页眉页脚。                                                                                                                                                                                                                                                              |
| 目录页解析  | - 未开启，解析结果中不包含目录页。  - 开启后，解析结果中包含目录页。                                                                                                                                                                                                                                                  |
| 图片解析   | - 未开启，则在文档中遇到图片默认跳过，不处理图片。  - 开启后，根据需要选择"提取图片文本"或者"仅保留原图"。 - 提取图片文本：识别图片内文字。  - 仅保留原图：仅提取图片保存，不会识别图片内容，便于问答图文展示。     |
   
#### 分段策略的选择与配置
分段策略决定了文档如何被切分为知识切片，是影响检索精准度最关键的配置之一。合理的分段能平衡上下文完整性与检索精准度------切片过大可能引入噪声，切片过小可能丢失上下文关联。AgentArts提供三种分段策略，应根据文档类型与业务需求选择。
**自动分段**
系统按照预设规则自动切分，无需额外配置。选择该策略时，系统会自动以句号、分号、问号、感叹号等标点符号作为分段依据，将文档分割为独立的句子或段落。自动分段支持以下能力：
- 可识别段落边界，支持跨页段落合并。
- 可识别并排除页眉、页脚、脚注等非重点内容。
- 支持解析文档中带线框的表格内容。
- 支持解析表格中的图片信息。
- 优点：系统预设，无需额外配置，开箱即用，使用效率高。
- 缺点：分段效果依赖文档本身的质量，结构混乱的文档效果有限。
- 适用场景：适用于大部分分段场景，是使用情况最多的分段类型，尤其适合格式较为规范的通用文档。
**长度分段**
根据字符数进行切分，支持灵活配置分段参数，严格控制每个切片的长度上限。需要完成以下配置：
- 分段标识符：遇到所选符号即触发截断，符号之间没有优先级，最终分割后合并到预计最大长度。支持中文句号、英文句号、中文/英文感叹号、中文/英文问号、空格、中文/英文逗号。 注意：如果文档中未命中设定的分段标识符，分段将会失败，请确认文档内容与所选标识符匹配。
  
- 分段预计长度：分段的最大字符长度，取值范围为1～6000，默认值为500。当段落长度超过设定值时，系统截取最大长度片段为新切片，随后回溯重叠字符后继续向后处理，直到文档结束。 示例：设置分段长度为500，当某段落长度为800时，将切分为两段。
  
- 优点：严格控制分段长度，可精确管理每个切片的Token消耗，适合对上下文窗口成本敏感的场景。
- 缺点：配置较复杂，需要用户对文档内容和参数规则有较深理解，且不适用于所有文档类型。
- 适用场景：适用于对分段长度有严格要求的场景，如需要精确控制每次检索的Token消耗。
**层级分段**
根据文档的目录结构和章节划分等层级信息，将内容切分为不同层级的文本单元，每个切片对应文档中的一个完整知识单元。需要完成以下配置：
- 层级解析模型：
  - 自动解析：系统自动识别文档的层级结构，适合标题格式较为规范的文档。
  
  - 规则解析：支持添加自定义层级规则，适合需要精确控制层级识别逻辑的场景。
   
- 标题层级深度：设置切分所依据的标题级别，取值范围为1～10。例如，文档包含最多5级标题，如果将标题层级深度设置为3，则系统会将所有3级标题下的内容合并为一个文本块，作为整体执行后续切分。
- 标题保存方式：决定标题信息在切片中的保存形式，影响检索结果的展示和索引构建方式：
  - 保存多标题组合：将多级标题组合保存，格式为"1级标题 - 2级标题 - 3级标题 - ... - 文本内容"。
  
  - 保存最后一级标题：仅保存最末一级标题，格式为"最后一级标题 - 文本内容"。
   
- 跨标题合并：
  - 开启：当不同标题下的段落文字较少时，平台自动将其合并到指定的分段长度，有助于生成内容更完整的切片。
  
  - 关闭：不自动合并不同标题下的内容，各标题下的内容独立切分。
   
- 分段标识符和分段预计长度：配置逻辑与长度分段相同，详见上文长度分段说明。
- 优点：按知识单元边界切分，结构清晰，切片语义完整，检索效率高。
- 缺点：需要文档具有明确的层级结构，对于结构不规范的文档难以适用。
- 适用场景：适用于结构层次分明的知识体系，如技术手册、法律条文、标准规范、产品说明书等具有明确章节划分的文档。
**三种分段策略快速选型对比**
表2分段策略对比说明 
| 对比维度      | 自动分段      | 长度分段          | 层级分段               |
|:---|:---|:---|:---|
| 配置复杂度     | 低（无需额外配置） | 中（需配置标识符和长度）  | 中（需配置层级深度等多个参数）    |
| 文档结构要求    | 低         | 低             | 高（需要规范的标题层级）       |
| 切片语义完整性   | 较好        | 依赖长度设置        | 最好（按知识层级切分）        |
| Token消耗控制 | 一般        | 精准可控          | 较好                 |
| 适用场景      | 大多数通用场景   | 对切片长度有严格要求的场景 | 结构化文档（手册、规范、法律条文等） |
   
配置完成后，您可以在知识库详情页的"切片管理"中查看分段效果，或通过"命中测试"验证检索精准度。