知识库

功能介绍

知识库功能允许您将企业内部的文档、产品资料、常见问答（FAQ）及业务规范等非结构化数据进行集中管理和结构化处理，使其成为一个可供大语言模型（LLM）随时检索的外部知识源。

与大模型在预训练时所使用的静态数据不同，本知识库中的内容可以被随时更新 。这确保了您的 AI 智能体（Agent）能够获取到最新的、最准确的信息，从而避免因知识陈旧或缺失而导致的回答错误。

工作原理

当 AI 智能体配置了知识库后，其回复流程如下：

1. 用户提问触发检索：当接收到用户的问题时，系统不会立即直接让大模型作答，而是先将用户的问题作为检索指令，在您配置的知识库中进行语义搜索 。
2. 召回并筛选相关知识：知识库会基于语义相似度，从海量文档中召回与问题最相关的内容片段 。这个过程可以通过以下核心参数进行精细化调控：

   Top K (候选数)：定义了系统从知识库中一次性抓取最相关的多少个知识片段 。K 值越高，信息覆盖可能越全面，但也会带来更高的时延和成本 。

   Score 阈值 (相关度)：这是一个质量门槛，只有相似度得分高于该阈值的知识片段才会被采纳 。阈值越高，召回的内容与问题相关性越强，但也可能因条件严苛导致“无内容可供参考” 。

3. 动态注入上下文：筛选出的高质量知识片段，会作为一个名为 {{currentKnowledgeBase}} 的变量 ，被动态地、实时地注入到发送给大语言模型的指令（Prompt）中。
4. 生成精准回答：大语言模型在接收到指令后，会被严格要求 “必须基于 {{currentKnowledgeBase}} 中提供的信息来生成回答” 。这极大地约束了模型的回答范围，使其从“开放式创作”变为“基于给定材料的理解与回答”，从而生成更精准、更可靠的答复 。

通过这种方式，开发者可以确保 AI 智能体不仅依赖其固有的通用知识，还能处理来自企业实时文档的动态信息，显著提升回答的准确性与相关性。

核心优势

实时性 (Real-time)：知识库中的数据可随时更新，确保 AI 智能体获得最新的上下文信息，即时响应业务变化 。

精准性 (Precision)：通过检索增强生成（RAG）技术，强制模型基于给定的、可信的文档片段进行回答，能够有效减少“模型幻觉”（即凭空捏造信息）的现象 。

灵活性 (Flexibility)：开发者可以轻松连接到自有的外部知识库（如 Dify） ，并根据具体业务场景，通过调整召回参数（Top K、Score 阈值）来平衡回复的相关性与响应速度，以保障最佳客户体验 。