创建语文知识库

场景介绍

知识库是一个组织、存储及管理知识的系统，包括文档、图表、表格等多种形式的信息的分类、整理和归纳，可以帮助用户组织和管理大量的信息，平台为用户提供了创建并管理知识库的能力，且创建的知识库可在工作流和Agent中调用。

对于需要处理大量问答知识、对检索效率有较高要求的场景，通过创建知识库组织和管理信息，可以提升信息获取效率。本实践以创建语文知识库为例进行介绍，主要完成以下设置：

上传语文知识库.word文档，对文档进行层级分段切分。切分出来的切片效果如图1所示。
图1 切片效果
对切片内容进行提取，用于向量化检索。
对问题做向量化检索，附加返回答案内容。
使用语义检索、关键字检索、混合检索等方式检索内容。

准备工作

准备需要上传的知识素材，并进行预处理，以便达到更好的拆分效果。

本实践使用的语文知识库请参见语文知识库.word，仅供参考。
您也可自行准备知识素材，并参考表1的拆分配置规则对素材进行预处理。确保素材样式结构逻辑清晰，以便提升拆分效果。

创建知识库

登录Versatile智能体平台，在左侧导航栏“个人空间”区域，选择进入所需空间。

如果已选择团队空间，界面显示为实际的团队空间名称，而非“个人空间”。

图2 选择团队空间
在左侧导航栏中选择“开发中心 > 知识库”，在“知识库”页签，单击左上角的“新建知识库”。
在“选择创建类型”弹框中选择“默认”，单击“确定”。

在“创建知识库”弹框中，填写参数配置信息，填写完成后单击“确定”。

图3 创建语文知识库
点击放大

表1 创建语文知识库
区域	参数	示例	说明
基本信息	知识库图标		知识库LOGO。单击当前显示的知识库图标，在弹出的对话框中，选择要上传的新图标文件。支持jpg、jpeg、png及gif格式，大小不大于200KB。
	知识库名称	语文知识库	用于标识知识库。它是用户在创建知识库时必须填写的字段。命名规则：可以包含字母、数字、中文、下划线 _、连字符 -，且必须以字母、数字或中文开头。
	描述	语文知识库	用于对知识库内容和用途的简要说明。它提供了关于知识库的详细信息，帮助用户了解知识库的内容和使用场景。命名规则：长度不大于100个字符。
模型配置	向量模型	pangu_embedding	向量模型是一种将文本、图像等非结构化数据转换为数值向量的模型。例如，在文本处理阶段，用于对文本文档进行切片，转换成向量化表示；在知识检索阶段，根据用户输入的信息对切片进行召回。向量模型用于在海量的知识库中，快速识别和用户输入信息语义相近的词或句子，进行信息的初步筛选，解决“大海捞针”的效率问题。
模型配置	精排模型	pangu_rerank	精排模型是一种用于对检索结构进行精细排序的模型。针对用户输入的信息，对向量模型召回的切片进行从高到低的相关度排序，把相关度最高的前几个信息（例如Top 10）呈现给用户。精排模型用于进一步提升系统搜索的相关性精度。
解析配置	OCR增强	去勾选	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	去勾选	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	勾选	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	勾选，选择“仅保留原图”	不开启，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”。
拆分配置	拆分设置	层级分段根据文档结构和内容进行如下设置：层级解析模型：自动解析。标题层级深度：2（文档标题层级深度）。标题保存方式：保存多标题组合。跨标题合并：关闭。分段标识符：默认全选。分段预计长度：500（分段内容包含题目+答案）。	自动分段：按照系统默认预设的规则和分隔符切分。长度分段：基于内容的长度来决定如何进行分段。分段标识符：分段方式为遇到所选符号即截断，符号之间没有优先级，最终分割后合并到预计最大长度。自定义分段中如果未命中分段标识符，分段将会失败。中文句号。英文句号. 中文感叹号！英文感叹号! 中文问号？英文问号? 中文逗号，英文逗号, 分段预计长度：分段的最大长度。文档的正文如果大于设定的最大长度，则截取最大长度的片段为新文档，随后回溯分段重叠字符，继续向后检查，直到文档结束。取值范围：1~6000 默认值：500 层级分段：根据内容的结构层次来进行分段。层级解析模型：自动解析：自动识别和解析具有层级结构的数据或信息。规则解析：支持添加自定义层级规则。标题层级深度：指设置的切分标题级别，例如，文本包含最多5级标题，选择的标题层级深度为3，则会分别将所有3级标题下的内容合并成文本块，文本块作为一个整体执行后续切分操作。输入值必须在1到10之间。标题保存方式：指标题信息在切片中的保存形式，影响检索结果的展示逻辑和索引构建方式。保存多标题组合：多级标题用特定符号组合：1级标题-2级标题-3级标题-…-文本保存最后一级标题：仅组合最后一级标题：最后一级标题-文本跨标题合并：根据需求开启或者关闭。分段标识符：分段方式为遇到所选符号即截断，符号之间没有优先级，最终分割后合并到预计最大长度。自定义分段中如果未命中分段标识符，分段将会失败。中文句号。英文句号. 中文感叹号！英文感叹号! 中文问号？英文问号? 中文逗号，英文逗号, 分段预计长度：分段的最大长度。文档的正文如果大于设定的最大长度，则截取最大长度的片段为新文档，随后回溯分段重叠字符，继续向后检查，直到文档结束。取值范围：1~6000 默认值：500