通过知识存储（RAG）服务，将文档上传后即可通过混合检索为大语言模型（LLM）提供精准的上下文信息。以下介绍知识存储服务的定位、核心价值、典型应用场景和与开源方案的对比。
什么是知识存储（RAG）服务
知识存储（RAG）服务是基于阿里云表格存储（Tablestore）构建的全托管 RAG（Retrieval-Augmented Generation，检索增强生成）服务。它为企业和开发者提供了从文档导入、智能解析、自动切片、向量化到混合检索的一站式能力，帮助用户快速构建高质量的知识检索系统，为大语言模型（LLM）提供精准的上下文信息。
知识存储服务采用 Serverless 架构，用户通过 API 即开即用，无需部署和维护任何物理服务器或基础设施。文档上传后，系统自动完成解析、切块、构建索引等全部处理流程，用户只需关注业务逻辑本身。
在典型的 AI 应用链路中，知识存储服务处于核心的“知识管理与检索”环节。
当前支持地域：华北2（北京）、华东2（上海）、华东1（杭州）、华南1（深圳）、中国香港、新加坡。可就近选择区域接入。
核心价值
Serverless，即开即用
知识存储服务是完全的 Serverless 服务。用户通过 API 调用即可创建知识库、上传文档、执行检索，无需购买和部署物理服务器，无需关心底层资源的扩缩容。这意味着从零到生产环境可用，只需要几行 API 调用，极大地降低了技术门槛和运维成本。
按量付费，零元起步
无最小规格、无最低消费。存储与计算独立按量计费，用多少付多少。业务低谷期近乎零成本，高峰期自动弹性扩展，彻底告别资源闲置浪费。
海量规模，弹性无上限
单个知识库默认最大支持 1 亿级文档。无论是初创团队的小规模试用，还是大型企业的海量知识管理，知识存储服务都能从容应对。底层基于表格存储的分布式架构，天然具备水平扩展能力，业务增长无需担忧容量瓶颈。
全托管知识库流水线
文档上传后，系统自动完成文档解析、智能切块、Embedding 向量化、索引构建等全部处理流程。当前已支持 PDF、Word（doc/docx）、Excel（xls/xlsx）、PowerPoint（ppt/pptx）、纯文本（txt）、Markdown（md）等主流文档格式。用户无需自行搭建文档处理 Pipeline，无需管理 Embedding 模型的部署和运维，也无需手动构建和维护向量索引。整个知识库的生命周期管理都由服务端自动完成。
数据自持，完全可控
整个流程中的原始数据、中间数据和结果数据都存储在用户自己的云服务账号（OSS Bucket或Tablestore实例）内。服务本身不持有或转存任何用户数据。这种架构确保了数据的所有权和安全性完全掌握在客户手中，满足金融、政务、医疗等对数据合规性要求极高的行业需求。
灵活重排，精准召回
内置 RRF、加权融合、模型 Rerank 三种重排策略，可按业务场景灵活选用，对召回结果进行多维度精排，确保最相关的内容优先呈现。同时支持向量检索与全文检索双通道混合召回——向量检索捕捉语义相似性，全文检索保障关键词精确匹配，二者互补，最大化召回覆盖面。
自主可控，开放定制
核心模块均支持客户通过接口和参数进行控制与调整。从 Embedding 模型选择（内置百炼模型或自定义模型）、检索策略配置（检索类型、召回数量、Rerank 方式）、元数据过滤条件，到 Chunk 级别的内容修改和状态管理，用户可以根据业务需求精细调控知识库的每一个环节。
典型应用场景
企业知识问答系统
将企业内部的产品文档、技术手册、FAQ、规章制度等导入知识库，结合 LLM 构建智能问答系统。员工或客户提出问题时，系统从知识库中检索最相关的内容片段，交由 LLM 生成准确、有据可查的回答。适用于客服、HR、法务、IT 运维等多个部门。
文档智能搜索与摘要
替代传统的关键词搜索引擎，利用向量检索理解用户的搜索意图，返回语义最相关的文档片段。配合元数据过滤（按时间、分类、作者等维度筛选），实现精准的文档检索体验。
多租户 SaaS 知识库
利用 Subspace 机制，在同一个知识库内为不同租户（用户、部门、客户）隔离数据。每个租户只能检索到自己 Subspace 下的文档，天然实现数据隔离，无需为每个租户创建独立的知识库，大幅降低管理复杂度和成本。
RAG Pipeline 集成
作为 RAG 架构中的检索层，与 LangChain、LlamaIndex 等主流 AI 框架集成。用户将文档灌入知识库，在推理阶段调用 Retrieve 接口获取相关上下文，拼接到 Prompt 中送入 LLM，实现知识增强的生成效果。
合规文档管理与审计
金融、医疗、政务等行业的合规文档管理场景。所有数据存储在客户自己的云账户内，满足数据不出域的合规要求。通过元数据（metadata）标注文档的分类、版本、有效期等属性，结合 Metadata Filter 实现精准的合规文档检索。
与开源方案对比
对比维度 | 知识存储（RAG）服务 | 自建方案（某开源RAG方案） |
部署方式 | Serverless，API 即开即用 | 需自行部署系统，对机器有最低配置要求 |
依赖组件 | 无需关心，底层 OSS/Tablestore 由云平台全托管 | 需自行部署和运维 Elasticsearch、MySQL、Redis、MinIO 等组件 |
运维成本 | 零运维，容量自动弹性 | 需持续维护多个组件的升级、监控和故障恢复 |
计费模式 | 按量付费，零用量零费用 | 开源免费，但需承担服务器、存储和带宽成本 |
文档处理 | 全自动（上传→解析→切片→向量化→索引） | 需配置解析模板和切块策略 |
数据安全 | 数据存储在客户自己的 OSS/Tablestore 账户 | 数据在自建服务器上，安全性取决于运维水平 |
多租户 | Subspace 原生支持，开箱即用 | 需自行设计隔离方案 |
Embedding | 内置百炼模型（零配置），支持自定义模型 | 需自行配置模型 API Key |
配置参数复杂度 | 全部参数内置已调优的默认值，零配置开箱即用 | 参数众多，需逐一学习、理解与配置，上手与调优成本高 |