：知识库

集成到智能体应用

1. 进入应用管理页面，找到目标智能体应用，点击卡片上的配置，并为应用选择模型。

2. 点击页面上文档知识库右侧的 + 按钮，添加上一步创建的知识库。相似度阈值和权重可保持默认。

   （可选）相似度阈值：筛选检索结果

   知识库采用语义检索，可在私有数据或文件中找出与查询意图相关、但关键词可能完全不同的文本。

   例如，用户查询：哪款阿里云手机适合拍照？

   实际答案（千问Vivid 7...）中并不包含查询中的任何关键词。

   下表中的关键词相似度基于 Jaccard 计算，语义相似度基于 text-embedding-v4 模型计算的 Cosine相似度 。

   召回文本	关键词相似度	语义相似度
   千问Vivid 7：智能摄影新体验	0	0.43
   阿里云百炼Ace Ultra：游戏玩家之选	0.17	0.32
   阿里云百炼Flex Fold+：折叠屏新纪元	0.25	0.24

   相似度阈值：仅语义相似度高于此阈值的文本才会被召回。阈值设置过高会导致相关文本被过滤丢弃。

   （可选）权重：干预多知识库召回顺序

   当智能体应用同时关联多个知识库时，可按信息源的重要程度为各知识库分配权重。多路召回时，若多个知识库召回的文本切片相似度相同，系统将优先返回权重更高的知识库中的文本切片。

   • 关键限制：权重仅在同类型知识库之间生效。例如，文档搜索类知识库的权重不影响数据查询类知识库的召回顺序，反之亦然。
   • 工作原理：系统先计算用户问题与各知识库内容的相关度，筛选出最相关的文本切片，再将相似度分数与对应知识库的权重相乘，经加权重排后输出给大模型参考（加权得分越高，被采纳的可能性越大）。

3. 在页面右侧的输入框中输入问题，大模型将基于所构建的知识库进行回答。

   例如："请帮我挑选一款拍照效果最好的阿里云百炼手机，价格在3000元以内。"

分批生成策略：当需要智能体应用基于知识库批量生成大量内容（如题目、摘要）时，一次性请求可能因单次回复的输出长度受限而导致实际生成数量不足。建议将请求拆分为多批，每批约 30 条，通过多轮对话逐步完成。例如先发送"请根据知识库内容生成第 1-30 题"，该批生成完成后再发送"请继续生成第 31-60 题"。实测参考：一次性请求 100 题实际仅生成约 24 题；改为每批 30 题、共 3 批后，每批均完整生成 30 题，合计 90 题。实际可生成数量随所选模型与内容长度变化，请以实际测试结果为准。

集成到工作流应用

1. 进入应用管理页面，找到目标工作流应用，点击卡片上的配置。将知识库节点拖入画布，连接在开始节点之后。

2. 配置知识库节点：

   1. 输入：在变量名content右侧的值下拉列表中，选择内置变量query。下拉列表为树形结构，需展开"内置变量"分组后选择 query。

   2. 选择知识库：知识库节点支持以下两种选择方式。

      • 选择固定知识库：从下拉菜单中选择上一步创建的知识库。适用于每次调用同一知识库的场景。
      • 动态引入：配置CodeList变量，根据上游节点的输出动态指定知识库。适用于需根据不同输入检索不同知识库的场景。

   3. 设置 TopK（可选）：决定返回给下游节点（通常为大模型节点）的知识片段数量。

      增大该值通常能提升大模型回答的准确性，但会相应增加大模型的输入 Token 消耗。

3. 将大模型节点拖入画布，连接在知识库节点之后、结束节点之前。

4. 配置大模型节点：

   1. 在模型配置列表中，为节点选择模型。

   2. 在提示词中，输入指示大模型使用知识库的提示词。输入"/"可插入result变量（表示知识库检索返回的结果）。

      例如，输入提示词标题 # 知识库，正文为 请记住以下材料{知识库1/result}，他们可能对回答问题有帮助。

5. 配置结束节点：输入/，选择大模型1result，输出大模型返回的结果。

6. 点击页面右上角的测试，在页面右侧的输入框中输入问题，大模型将基于所构建的知识库进行回答。

   例如："请帮我挑选一款拍照效果最好的阿里云百炼手机，价格在3000元以内。"

集成到外部应用

除在阿里云百炼内构建应用外，也可通过阿里云百炼SDK调用知识库的检索能力，为外部 AI 应用提供检索服务。

具体集成步骤，请参见知识库API指南。

创建知识库

点击创建知识库后，按三步完成创建：填写基础信息并选择知识库类型、配置数据来源、设置索引参数。

1. 在知识库页面，点击创建知识库。

2. 填写基础信息

   根据应用场景选择合适的知识库类型（单一知识库不支持同时选择多个类型）。选择文档搜索类型后，还需选择使用场景（基础文档问答）：

   • 基础文档问答：适用于纯文本文档的语义检索。

   创建后，知识库类型不可更改。

   • 文档搜索（检索场景）
     • 适用场景：
       • 适用于企业内部文档、产品手册等非结构化数据（即未按预定义表结构组织的数据，包含文本、表格和图片）的检索。
       • 若文件包含图片，且需阿里云百炼应用在回答中返回，请选择文档搜索。

     • 数据来源：支持本地上传文件或从阿里云对象存储OSS导入。

       创建说明（文档搜索）

       1. 选择数据：为知识库指定数据来源（文件或内容）。数据源内容将导入知识库，用于后续检索。支持本地上传和云端导入（选择现有类目或文件）两种方式。

          • 本地上传：直接从本地电脑上传文件。展开下方折叠面板了解如何选择解析方式。

            解析方式（自定义设置）说明

            请根据实际需求配置解析策略，如不确定建议保持默认设置。

            • 电子文档解析：不支持解析文件中的插图与图表。解析速度最快，10~20 页纯文本文档通常在数秒至 1 分钟内完成。
            • 文档智能解析：对文件中的插图进行文本识别与提取，生成文本摘要。摘要将与其他非图片内容一同切分并向量化，参与知识库检索。解析速度较快，10~20 页含插图文档通常需要 1~5 分钟。
            • 大模型文档解析：使用千问VL模型的智能体应用支持对文件中插图和图表内容进行提问。如需识别和理解文件中的插图与图表，请选择大模型文档解析。因需调用大模型进行深度理解，10~20 页含图表文档通常需要 2~10 分钟。
            • Qwen VL解析：专用于图片文件。可指定千问VL模型并传入 Prompt，以指导对图片版面及元素的识别与提取。单张图片通常在数秒至 1 分钟内完成解析。

          • 云端导入：从对象存储OSS导入已有文件。

       2. 索引配置：定义导入数据的处理和存储方式，直接影响检索效果。

          以下配置项中，仅"向量存储"选用 ADB-PG 时可能产生费用，其余配置均免费。

          Meta信息抽取

          metadata（元数据）是与非结构化数据关联的一组附加属性，以 key-value 键值对的形式集成到文本切片中。

          • 作用：元数据为文本切片提供重要的上下文信息，可显著提升知识库检索的准确性。例如，知识库中包含上千个以产品名称命名的产品介绍文件。检索"A产品的功能概述"时，若所有文件正文都含有"功能概述"但均未提及"A产品"，知识库可能召回大量无关文本切片。将产品名称作为元数据附加到所有文本切片后，知识库可精准过滤出与"A产品"相关且包含"功能概述"的切片，从而提高检索准确性，同时降低模型输入Token消耗。
          • 用法：通过API调用应用时，可在请求参数metadata_filter中指定metadata。应用检索知识库时，将先根据metadata筛选相关文件。
          • 注意：知识库一旦创建，无法再配置metadata抽取。

          如何配置metadata

          开启Meta信息抽取，然后单击设置为该知识库中的所有文件附加统一或个性化的元数据。切分时，每个文件的元数据将集成到各自的文本切片中。

          新建Meta信息模板说明

          取值方法说明：

          • 常量：为知识库中的所有文件附加固定属性。

            如上方示例所示，若知识库中所有文件的作者相同，可统一设置字段名为 author 的常量。

          • 变量：为知识库中的每个文件附加可变属性。目前支持file_name和cat_name。选择file_name时，阿里云百炼将文件名称附加到其元数据中，如上方示例所示。选择cat_name时，阿里云百炼将文件所在类目的名称附加到文件元数据中。

          • 大模型：系统依据设定的实体描述规则，对知识库中每个文件的文本内容进行匹配，自动识别并提取相关信息，将其作为属性附加到文件元数据中。

            如上方示例的meta信息模板所示，如需提取每个文件中所有出现过的年份信息作为文件属性，可设置名为 date 的大模型字段，实体描述配置如下：

            在实体描述输入框中填写日期信息，只提取年份，然后单击确定。

          • 正则：系统依据设置的正则表达式，对知识库中每个文件的文本内容进行匹配，提取符合该表达式的内容，并将其作为属性添加到文件元数据中。

            如上方示例的meta信息模板所示，如需提取每个文件中所有出现过的参考资料（假设规律为：以"《"开头、以"》"结尾），可设置名为 reference 的正则字段，正则表达式配置如下：

            正则表达式的值设置为 《.*?》。

          • 关键词搜索：系统在每个文件中查找预设的关键词，并将匹配到的关键词作为属性添加至文件元数据中。

            例如，在上述示例的meta信息模板中，预设的关键词为：

            融资,租赁,产业,汽车,钢铁,绿色,环保,资本,排放。

            由于该文件中仅出现了"融资、产业、绿色、资本"这四个关键词，系统只提取了这四个关键词作为该文件 keywords 属性的值。

          是否参与检索：开启后，元数据字段和值将与文本切片内容一同参与知识库检索；关闭时，仅文本切片内容参与检索，元数据字段和值不参与。

          是否参与模型回复：开启后，元数据字段和值将与文本切片内容一同参与大模型的回答生成；关闭时，仅文本切片内容参与大模型回答生成，元数据字段和值不参与。

          Excel文件表头拼装

          开启后，知识库将所有XLSX、XLS格式文件的首行数据视为表头，并自动拼接到每个文本切片（数据行）中，避免大模型将表头误识别为普通数据行。

          生效范围：仅对知识库中 XLSX、XLS 格式的表格文件生效，并以文件首行作为表头；对 PDF、Word、Markdown 等非表格格式文件不生效。该设置在创建知识库（文档切分）时生效，且与切分策略一样，在知识库创建后不可再修改。

          处理逻辑：知识库对表格文件按数据行进行切分，即首行（表头）以外的每一行数据生成一个独立的文本切片。开启本设置后，首行表头会自动拼接到每一个数据行切片中，使切片同时携带列名（表头）与该行数据，大模型即可结合列名准确理解每个字段的含义；表头行本身不再作为普通数据行单独处理，从而避免检索与问答时的语义混淆。

          若知识库中包含其他格式的文件（如PDF），或表格文件本身不含表头，则无需开启该设置。

          切片方式

          选择智能切分（推荐）。

          作用： 知识库将文件切分为文本切片，并通过向量模型转换为向量。文本切片和向量以键值对的形式存入向量数据库。知识库创建后，可查看或编辑每个文本切片的具体内容（文字和图片）。

          切片标题：每个文本切片除正文内容外还带有一个标题，展示在切片列表中，可用于标识切片并参与检索。切片标题由知识库在文档智能解析阶段依据识别到的标题层级自动生成，分为短标题（title，切片所属的最近一级标题）和层级标题（hier_title，自最高级标题到当前标题的完整路径，各级以 |> 连接，例如 一级标题|>二级标题）。因此文档的标题结构越清晰（如 PDF、Word、Markdown 等含规范章节标题的文档），生成的切片标题越完整；对于按数据行切分、通常不含文本标题层级的表格类文件（如 Excel），切片标题取决于解析时能否识别到标题层级，未识别到时可能为空。切片标题也支持在切片管理中手动编辑。

          注意： 知识库一旦创建， 无法再更改文档切分chunk 。不合适的切分策略可能会降低检索和召回效果。

          多轮对话改写

          开启该功能后，系统将调用专用轻量级模型，结合对话历史将用户当前问题改写为独立的、上下文完整的新查询，再用于知识库检索。

          向量模型

          向量模型用于将原始输入Prompt和知识文本转化为数值向量，以便计算语义相似度。默认的官方向量（text-embedding-v2）除支持中英双语外，还支持多种语言，并对向量结果进行归一化处理（暂不支持更改）。

          知识库使用的向量维度（无法修改）：

          • 官方向量（text-embedding-v2）：1,536维
          • qwen3 多模态向量（qwen3-vl-embedding）：使用场景选择「视觉理解」时自动启用，支持对图片和富文本文档进行视觉理解后生成向量

          排序模型

          排序模型位于知识库外部，对向量检索初步召回的候选切片进行二次排序，并返回相似度分数最高的前K个文本切片。qwen3-rerank（hybrid）官方排序（推荐）综合考量语义相关性与文本匹配特征（如BM25得分），能更好地处理需要精确关键词命中的查询；若只需语义排序，请选择qwen3-rerank。

          排序模型模式

          在创建知识库时，可以在「排序模型模式」配置项中选择以下三种模式之一：

          • 问答模式（默认）：根据查询与候选切片的"问答匹配度"评分，适合用户提出完整问题、期望从切片中找到答案的场景。
          • 相似模式：根据查询与候选切片的"语义相似度"评分，适合查询与切片表述风格相近的场景。
          • 自定义高级模式：填写一段不超过 200 个字符的自然语言指令来干预重排序过程，适合有特殊排序需求的场景。

          警告排序模型模式仅在创建知识库时可选，创建完成后无法修改。配置前请确认以下限制：

          • 知识库类型限制：仅适用于文档搜索类、数据查询类、音视频搜索类知识库。图片问答类知识库不支持。
          • 使用场景限制：仅基础文档问答使用场景支持。视觉理解（富文本文档）和极速问答不支持。

          相似度阈值

          该阈值表示允许召回的文本切片的最低相似度分数，用于筛选排序模型返回的结果，只有分数超过此阈值的文本切片才会被召回。

          说明此处设置的是知识库的默认相似度阈值。将知识库关联到具体阿里云百炼应用时，还可为该应用单独设置阈值（将覆盖知识库的默认相似度阈值）。

          降低此阈值预期会召回更多文本切片，但可能召回相关度较低的内容；提高此阈值会减少召回的文本切片数量，若设置过高，将导致知识库丢弃相关切片。

          可通过命中测试对相似度阈值进行调优，以平衡召回率与精确率。

          最大召回数量

          假设阿里云百炼应用关联了A1、A2和A3三个知识库，系统从这些库中检索与输入相关的切片，再通过排序模型重排序，选出最相关的前K条加入大模型的输入Token供回答参考。此K值即最大召回数量（上限为20），决定了排序模型提供给大模型参考的文本切片数量。

          增大该值可提高大模型的回答准确性，但会相应增加大模型输入Token消耗。

          向量存储

          选择向量数据库存储文本向量。内置的向量数据库可满足知识库的基本功能需求。如需管理、审计或监控数据库等高级功能，建议选择ADB-PG（AnalyticDB for PostgreSQL）。

          购买ADB-PG实例时请开启 向量引擎优化 ，否则阿里云百炼将无法使用此实例。

       创建说明（视觉理解）

       选择视觉理解（富文本文档）使用场景后，知识库将使用多模态向量模型对文档进行视觉级理解，保留原始版面布局信息，而非采用传统的文本切片方式。

       文件格式限制

       在选择数据页签的文件上传区域，鼠标悬浮查看格式要求查看。

       索引配置差异

       视觉理解场景下的索引配置与基础文档问答不同：

       • 向量模型：自动选择 qwen3 多模态向量（qwen3-vl-embedding），创建后不可更改。
       • 多轮对话改写：可配置开启或关闭。
       • 相似度阈值：默认 0.20。
       • 最终召回最大数量：默认 5。
       • 切片方式：视觉理解不使用传统文本切片（智能切分/自定义切分等），而是基于视觉索引对文档整页进行理解。

       编辑限制

       • Embedding 模型（qwen3 多模态向量）和向量存储类型（内置）创建后不可更改。
       • 知识库规格变更每天仅支持一次。
   • 数据查询（Chatbot 或 NL2SQL 场景）
     • 适用场景：

       • 适合构建基于结构化数据（按预定义表结构组织的数据）的问答系统，例如 FAQ、商品数据、人员信息查询助手等。

       • 若数据为完整的 FAQ 问答对，请选择数据查询。例如，Excel 文件包含两列，分别为问题和答案。数据查询类知识库支持将问题列用于知识库检索，答案列用于大模型回答参考。

         文档搜索类知识库无法实现此效果。

       • 支持导入单份xlsx、xls格式的文档，文件大小限制20MB以内。

     • 数据源接入：支持本地上传 XLS 或 XLSX 文件。

       重要image_url、video_url、audio_url 为系统保留字段名（用于存储图片、视频、音频等多媒体资源）。导入的数据表（Excel 文件）中请勿使用这三个名称作为列名（表头），否则会与系统保留字段冲突，导致数据无法正常导入、影响后续检索与问答。如现有数据表已使用上述列名，请先重命名对应列后再导入。

       创建说明（数据查询）

       1. 选择数据：为知识库指定数据来源（含文件或内容）。数据源内容将导入知识库，用于后续检索。支持本地上传、云端导入两种方式。

          说明知识库创建后数据源不可更改，且单个知识库不支持同时使用多个数据源。

          • 本地上传：从本地计算机上传数据表（XLS 或 XLSX 格式，首行必须为表头）。
          • 云端导入（选择数据表）：选择阿里云百炼的现有数据表。

       2. 索引配置：定义导入数据的处理和存储方式，直接影响检索效果。

          以下配置项中，仅"向量存储"选用 ADB-PG 时可能产生费用，其余配置均免费。

          是否参与检索/参与模型回复

          • 是否参与检索：开启后，知识库将在该列数据中执行检索。

          • 是否参与模型回复：开启后，该列的检索结果将作为大模型生成回答的输入信息。示例配置：对"姓名"、"性别"、"岗位"、"年龄"列开启是否参与检索，仅对"姓名"和"岗位"列开启是否参与模型回复后，知识库将在所有列中执行检索，但仅将"姓名"和"岗位"两列的检索结果提供给大模型作为回答依据。

            由于"年龄"列未开启参与模型回复，关联该知识库的大模型仍无法回答"张三的年龄"。

          多轮对话改写

          开启该功能后，系统将调用专用轻量级模型，结合对话历史将用户当前问题改写为独立的、上下文完整的新查询，再用于知识库检索。

          向量模型

          向量模型用于将原始输入Prompt和知识文本转化为数值向量，以便计算语义相似度。默认的官方向量（text-embedding-v2）除支持中英双语外，还支持多种语言，并对向量结果进行归一化处理（暂不支持更改）。

          知识库使用的向量维度（无法修改）：

          • 官方向量（text-embedding-v2）：1,536维
          • qwen3 多模态向量（qwen3-vl-embedding）：使用场景选择「视觉理解」时自动启用，支持对图片和富文本文档进行视觉理解后生成向量

          排序模型

          排序模型位于知识库外部，对向量检索初步召回的候选切片进行二次排序，并返回相似度分数最高的前K个文本切片。qwen3-rerank（hybrid）官方排序（推荐）综合考量语义相关性与文本匹配特征（如BM25得分），能更好地处理需要精确关键词命中的查询；若只需语义排序，请选择qwen3-rerank。

          排序模型模式

          在创建知识库时，可以在「排序模型模式」配置项中选择以下三种模式之一：

          • 问答模式（默认）：根据查询与候选切片的"问答匹配度"评分，适合用户提出完整问题、期望从切片中找到答案的场景。
          • 相似模式：根据查询与候选切片的"语义相似度"评分，适合查询与切片表述风格相近的场景。
          • 自定义高级模式：填写一段不超过 200 个字符的自然语言指令来干预重排序过程，适合有特殊排序需求的场景。

          警告排序模型模式仅在创建知识库时可选，创建完成后无法修改。配置前请确认以下限制：

          • 知识库类型限制：仅适用于文档搜索类、数据查询类、音视频搜索类知识库。图片问答类知识库不支持。
          • 使用场景限制：仅基础文档问答使用场景支持。视觉理解（富文本文档）和极速问答不支持。

          相似度阈值

          该阈值表示允许召回的文本切片的最低相似度分数，用于筛选排序模型返回的结果，只有分数超过此阈值的文本切片才会被召回。

          说明此处设置的是知识库的默认相似度阈值。将知识库关联到具体阿里云百炼应用时，还可为该应用单独设置阈值（将覆盖知识库的默认相似度阈值）。

          降低此阈值预期会召回更多文本切片，但可能召回相关度较低的内容；提高此阈值会减少召回的文本切片数量，若设置过高，将导致知识库丢弃相关切片。

          可通过命中测试对相似度阈值进行调优，以平衡召回率与精确率。

          最大召回数量

          假设阿里云百炼应用关联了A1、A2和A3三个知识库，系统从这些库中检索与输入相关的切片，再通过排序模型重排序，选出最相关的前K条加入大模型的输入Token供回答参考。此K值即最大召回数量（上限为20），决定了排序模型提供给大模型参考的文本切片数量。

          增大该值可提高大模型的回答准确性，但会相应增加大模型输入Token消耗。

          向量存储

          选择向量数据库存储文本向量。内置的向量数据库可满足知识库的基本功能需求。如需管理、审计或监控数据库等高级功能，建议选择ADB-PG（AnalyticDB for PostgreSQL）。

          购买ADB-PG实例时请开启 向量引擎优化 ，否则阿里云百炼将无法使用此实例。

   • 图片问答（图搜场景）
     • 适用场景：
       • 适合构建以图搜图、以图搜"图文"的多模态检索应用，如商品导购助手、视觉问答助手等。

     • 数据源接入：支持本地上传 XLS 或 XLSX 文件。

       XLS、XLSX 文件 中需包含 公开可访问 的图片 URL，以便构建图片索引。详见下方创建说明。

       创建说明（图片问答）

       1. 选择数据：为知识库指定数据来源（含文件或内容）。数据源内容将导入知识库，用于后续检索。支持本地上传、云端导入（选择数据连接器中已有数据表）两种方式。

          说明知识库创建后数据源不可更改，且单个知识库不支持同时使用多个数据源。

          • 本地上传：从本地计算机上传数据表（XLS 或 XLSX 格式）。

            说明

            • 字段要求：数据表中至少需包含一个类型为image_url的字段，用于生成图片索引。
            • 构建过程：知识库将访问image_url字段中的图片 URL，提取视觉特征并转换为向量存储。
            • 检索过程：知识库将用户上传图片生成的向量与已存储的图片向量进行相似度比对，返回最相关的记录。

          • 云端导入（选择数据表）：选择阿里云百炼应用数据中的现有数据表。

       2. 索引配置：定义导入数据的处理和存储方式，直接影响检索效果。

          以下配置项中，仅"向量存储"选用 ADB-PG 时可能产生费用，其余配置均免费。

          是否参与检索/参与模型回复

          • 是否参与检索：开启后，知识库将在该列数据中执行检索。

          • 是否参与模型回复：开启后，该列的检索结果将作为大模型生成回答的输入信息。示例配置：对"姓名"、"性别"、"岗位"、"年龄"列开启是否参与检索，仅对"姓名"和"岗位"列开启是否参与模型回复后，知识库将在所有列中执行检索，但仅将"姓名"和"岗位"两列的检索结果提供给大模型作为回答依据。

            由于"年龄"列未开启参与模型回复，关联该知识库的大模型仍无法回答"张三的年龄"。

          多轮对话改写

          开启该功能后，系统将调用专用轻量级模型，结合对话历史将用户当前问题改写为独立的、上下文完整的新查询，再用于知识库检索。

          向量模型

          向量模型用于将原始输入 Prompt、知识文本及图片转化为数值化向量，以便进行相似度比较。详情请参见文本与多模态向量化。

          • qwen2.5 多模态向量（qwen2.5-vl-embedding）：将单模态或混合模态输入表征为统一向量，适用于跨模态检索、图搜等场景。例如，输入一张衬衫图片并附加文本"找相似风格但更显年轻的款式"，模型能将图像与文本指令融合为一个向量进行理解。
          • 多模态向量 v1（multimodal-embedding-v1）：为每个输入部分（图片、文字）分别生成独立向量。
          • qwen3 多模态向量（qwen3-vl-embedding）：qwen2.5-vl-embedding 的升级版本，在图文融合理解和跨模态检索精度方面进一步提升。

          排序模型

          排序模型位于知识库外部，对向量检索初步召回的候选切片进行二次排序，并返回相似度分数最高的前K个文本切片。qwen3-rerank（hybrid）官方排序（推荐）综合考量语义相关性与文本匹配特征（如BM25得分），能更好地处理需要精确关键词命中的查询；若只需语义排序，请选择qwen3-rerank。

          排序模型模式

          在创建知识库时，可以在「排序模型模式」配置项中选择以下三种模式之一：

          • 问答模式（默认）：根据查询与候选切片的"问答匹配度"评分，适合用户提出完整问题、期望从切片中找到答案的场景。
          • 相似模式：根据查询与候选切片的"语义相似度"评分，适合查询与切片表述风格相近的场景。
          • 自定义高级模式：填写一段不超过 200 个字符的自然语言指令来干预重排序过程，适合有特殊排序需求的场景。

          警告排序模型模式仅在创建知识库时可选，创建完成后无法修改。配置前请确认以下限制：

          • 知识库类型限制：仅适用于文档搜索类、数据查询类、音视频搜索类知识库。图片问答类知识库不支持。
          • 使用场景限制：仅基础文档问答使用场景支持。视觉理解（富文本文档）和极速问答不支持。

          相似度阈值

          该阈值表示允许召回的文本切片的最低相似度分数，用于筛选排序模型返回的结果，只有分数超过此阈值的文本切片才会被召回。

          说明此处设置的是知识库的默认相似度阈值。将知识库关联到具体阿里云百炼应用时，还可为该应用单独设置阈值（将覆盖知识库的默认相似度阈值）。

          降低此阈值预期会召回更多文本切片，但可能召回相关度较低的内容；提高此阈值会减少召回的文本切片数量，若设置过高，将导致知识库丢弃相关切片。

          可通过命中测试对相似度阈值进行调优，以平衡召回率与精确率。

          最大召回数量

          假设阿里云百炼应用关联了A1、A2和A3三个知识库，系统从这些库中检索与输入相关的切片，再通过排序模型重排序，选出最相关的前K条加入大模型的输入Token供回答参考。此K值即最大召回数量（上限为20），决定了排序模型提供给大模型参考的文本切片数量。

          增大该值可提高大模型的回答准确性，但会相应增加大模型输入Token消耗。

          向量存储

          选择向量数据库存储文本向量。内置的向量数据库可满足知识库的基本功能需求。如需管理、审计或监控数据库等高级功能，建议选择ADB-PG（AnalyticDB for PostgreSQL）。

          购买ADB-PG实例时请开启 向量引擎优化 ，否则阿里云百炼将无法使用此实例。

   使用场景可根据需求选择基础文档问答。

在请求高峰时段，创建过程可能需要数小时（取决于数据量），请耐心等待。

更新知识库

知识库内容的任何变更均会实时同步到所有引用该知识库的应用中。

编辑知识库

知识库创建后，在编辑知识库页面仅支持修改知识库名称、知识库描述和相似度阈值；知识库规格（标准版/旗舰版）和旗舰版的RCU数量可通过下文变更配置调整，其余配置均无法更改（如需更改，须删除并重新创建知识库）。编辑操作仅支持通过控制台进行，无对应API。

操作步骤：在知识库页面，找到目标知识库，单击卡片上的，再单击编辑。注意：同一知识库每个自然日最多允许变配1次，超出后操作将被静默拒绝（无错误提示）。

删除知识库

删除知识库前，建议先解除其与所有已发布的阿里云百炼应用的关联。

已关联的未发布应用不影响删除操作。

变更配置

旗舰版提供RCU以保障高QPS下的检索性能，并支持更大的存储容量；标准版适合开发测试或低并发场景。

RCU： RCU（Retrieval Compute Unit）是知识库检索并发能力的度量单位。1 RCU ≈ 支撑在线检索最高50 QPS。RCU越大，可支撑的并发数越高。

• 注意：

  • 如果知识库（旗舰版）使用平台存储，降级为标准版前，需将已用存储空间降至80 GB以下。

    可通过删除知识库内的文件或数据来释放存储空间。

• 操作步骤：

  1. 在知识库页面，找到目标知识库，单击卡片上的，再单击编辑。

  2. 根据当前版本，在弹出的窗口中选择相应操作：

     • 标准版：选择升级。
     • 旗舰版：选择降级或变更RCU数量。

  3. 按照界面提示完成操作，单击确定保存后配置即时生效。

命中测试

命中测试用于验证知识库能否为AI应用提供准确的知识输入。通过模拟用户提问，检查知识库的召回结果并调优相似度阈值。

命中测试中的排序模型支持三种模式：问答模式（默认，适合用户提问与文档内容不完全匹配的场景）、相似模式（适合查询与文档内容高度相似的场景）和自定义高级模式。不同模式下，同一查询的排序得分可能存在显著差异（例如，同一切片在问答模式下得分47%，在相似模式下可达69%）。

通过命中测试，可以：

• 验证知识库能否为AI应用提供有效的知识输入
• 调优相似度阈值，平衡召回率与准确性
• 发现知识库中的内容缺失或质量问题

场景示例

• 场景1：客户咨询产品价格

测试输入："你们的阿里云百炼手机多少钱？"
期望结果：能够召回包含价格信息的相关文本切片。

• 场景2：技术问题排查

测试输入："设备连不上WiFi怎么办？"
期望结果：能够召回WiFi连接故障排除的相关文本切片。

• 场景3：视觉理解文档检索（视觉理解知识库）

视觉理解知识库支持纯文字、纯图片和图文组合三种查询模式：
模式1（纯文字）：输入"Object Storage Service"，召回文档和图片中的相关切片。
模式2（纯图片）：上传一张产品截图，系统通过视觉理解匹配语义相近的切片。
模式3（图+文字）：同时上传图片并输入描述文字，组合查询可提升召回相似度。

• 场景4：极速问答（极速问答知识库）

极速问答知识库仅支持文本查询（不支持图片输入），适合结构化文档的快速检索：
测试输入："千问Pro 8的价格是多少？"
期望结果：快速召回包含价格信息的 FAQ 切片。

操作步骤

1. 在知识库页面，找到目标知识库，单击卡片上的命中测试。

2. 在测试界面输入问题（建议收集用户常见问题），观察召回结果。

   • 召回结果：即本次测试的命中结果（已按相似度降序排列），单击任一切片即可查看其具体内容。
   • 图标：若为图片问答类知识库，系统会先将输入图片转为向量并检索相关记录，再将这些记录与提问一起交由大模型生成回答；若为文档搜索、数据查询类知识库，上传的图片不参与检索；若为使用场景选择「视觉理解」的文档搜索类知识库，上传图片同样参与检索，支持纯文字、纯图片和图文组合三种查询模式，图文组合查询可提升召回相似度。

3. 确认相关文本切片是否被正确召回。如未召回，需调整相似度阈值并重复上一步。

4. 单击查看历史召回记录，可对比不同阈值设置下的历史召回效果。