创建知识库

新建知识库

1. 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1 选择团队空间
   

2. 在左侧导航栏中选择“开发中心 > 知识库”，单击左上角“新建知识库”。
3. 在“选择创建类型”弹框中选择“默认”，单击“确定”。
4. 参照表1完成参数配置。
   图2 创建知识库
   

   表1 参数说明

   参数		说明	示例
   基本信息	知识库图标	可选参数。 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	必选参数。 用于标识知识库。 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、中文开头。	Versatile的知识库_001
   	描述	必选参数。 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。	知识库
   模型配置	向量模型	必选参数。 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。 取值范围： embedding-zh：预置的中文模型。 embedding-en：预置的英文模型。	embedding-zh
   	精排模型	必选参数。 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。 取值范围： rerank-zh：预置的中文模型。 rerank-en：预置的英文模型。	rerank-zh
   解析配置	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。	OCR增强
   	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”。
   拆分配置	拆分设置	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? 空格 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? 空格 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	自动分段

5. 配置完成后，单击“确定”，完成知识库创建。

   创建完成的知识库，默认是启用状态。

更多操作

知识库创建完成后，您可以执行如表2的操作。