知识库是智能体的私有知识合集，知识库检索节点可以基于用户输入查询指定的知识库，召回最匹配的信息，并将匹配结果以列表形式返回。 ## 添加节点 在工作流画布中，单击 **+ 添加节点**，在**知识库&数据**区域选择**知识库检索**节点，即可将节点添加到画布中。  ## 配置节点 ### 输入 知识库节点的输入参数固定为 Query，表示用户希望在知识库中检索的关键信息，需要引用上游节点的输出参数。输入参数格式为 String，可以引用任何格式的数据。 在对话流中，知识库检索节点支持开启智能体的会话历史功能。开启后，该节点检索知识库时会参考会话上下文信息。同时，支持设置带入模型上下文的会话轮数，会话轮数越多，多轮对话的相关性越高，但消耗的 Token 也越多。  ### 知识库 在**知识库**区域，选择待检索的知识库。支持选择已创建的火山知识库或扣子知识库，只能设置同类型的知识库，暂不支持同时选择两种知识库。 #### 火山知识库 扣子开发平台支持关联已有的火山知识库，其中知识库的创建、标签的创建、召回策略的配置均在火山知识库侧完成。检索火山知识库时，如果配置了标签，那么火山知识库侧会先根据标签筛选文档，然后根据召回策略检索匹配知识库内容，扣子通过**服务调用**直接获取已召回的内容，并返回给用户查看。 在知识库检索节点中配置火山知识库之前，应确认已在火山知识库控制台创建知识库、上传文件、配置召回策略并发布为知识检索类型的服务调用，并在扣子中关联了火山知识库。操作步骤可参考[关联火山知识库]。 例如下图中，coze\_doc 为火山知识库名称，test 为知识服务名称。  选择火山知识库后，你可以单击其对应的**设置**图标，设置对应的过滤条件和召回配置。 * 标签过滤条件：如果你为火山知识库中的文档添加了标签，那么你可以通过标签设置过滤条件，以实现知识库检索时，将先在标签范围内检索文档，然后结合召回策略返回结果。过滤条件格式为标签名 操作符 标签值。 * 标签名：仅在创建知识库时创建了标签，此处才能选择对应的标签名。 * 操作符：不同的数据类型支持的操作符不同，以实际页面为准。 * 标签值：支持设置为固定值或引用变量。 例如设置过滤条件为 功能模块 包含 插件，那么系统将会筛选出本知识库中所有带有**功能模块**标签且标签值包含**插件**的文档。 仅火山知识库旗舰版支持标签功能。 * 召回策略：知识库的召回配置在很大程度上会影响召回结果的准确性、相关性。你可以单击**前往火山设置**，在火山知识库控制台查看已配置的召回策略，包括返回文本片数量、重排模型、Dense Weight 等。如需修改召回配置，必须将该配置发布为新的知识服务，并在此处选择新的知识服务。  #### 扣子知识库 选择**扣子知识库**，并配置召回策略。知识库的召回配置在很大程度上会影响召回结果的准确性、相关性。  ### 扣子知识库召回策略 #### 搜索策略 从知识库中获取知识的检索方式，不同的检索策略可以更有效地找到正确的信息，提高其生成的答案的准确性和可用性。支持的检索策略包括： * **混合**：结合全文检索和语义检索的优势，并对结果进行综合排序召回相关的内容片段。 * **语义**：像人类一样去理解词与词、句与句之间的关系。推荐在需要理解语义关联度和跨语言查询的场景使用。例如下面两组句子，第一组的语义关系更强。 ```Plain%20Text "狼追小羊"和"豺狼追山羊" "狼追小羊"和"我爱吃炸猪排" ``` * **全文**：基于关键词进行全文检索。推荐当查询内容包含以下场景时使用： * 特定名称或专有名词、术语等，例如比尔盖茨、 特斯拉 Model Y。 * 缩写词，例如 SFT。 * ID，例如 12s1w1s2 系列。 #### 表格 SQL 查询 添加了表格知识库之后，默认开启表格 SQL 查询。开启后，查询表格知识库时，系统会自动将用户输入的自然语言转为 SQL 语句，根据 SQL 对表格知识库进行查询计算，SQL 执行结果与 RAG 召回的切片会一同传递给模型。 * 暂不支持跨表查询操作（JOIN）。 * 知识库检索节点中添加了表格知识库时，才能使用表格 SQL 查询功能。 #### 最大召回数量 从知识库中返回的最大段落数量。数值越大，返回的条目越多。默认召回 5 条检索结果。 #### 最小匹配度 匹配度指的是系统检索到的上下文与被视为 ground-truth 的标注答案对齐的程度。设置最小匹配度参数后，系统会根据设置的匹配度选取段落，低于指定匹配度的内容不会被召回。默认的最小匹配度为 0.5。 #### 查询改写 在多轮对话中，用户的 Query 和对话的上下文息息相关，仅凭借用户最新一条提问可能无法正确识别用户的真实检索意图。查询改写是指根据对话历史对用户输入的 Query 进行优化或重构，从而更准确地捕捉真实的用户意图，提升信息检索的效率。知识库检索节点默认开启查询改写。 例如用户对话的上下文为： * 问题1：知识库检索节点可以用来做什么？ * 回复1：知识库检索节点可以基于用户输入查询指定的知识库，召回最匹配的信息，并将匹配结果以列表形式返回。 * 问题2：怎么用？ 对于问题2，不参考上下文的情况下无法判断用户的真实意图。开启查询改写后，问题2会被改写为“知识库检索节点怎么用？” 开启查询改写后，知识库节点的处理流程会加一轮模型处理，由大模型来改写用户输入。所以查看消息链路时，可能会看到一个名为 WorkflowLLMCall 的处理环节。  #### 结果重排 结果重排是指根据相关性或质量对检索到的文档切片进行重新排序，以提高生成答案的准确性和相关性，适用于追求回答高精度和高相关性的场景，例如智能客服、专业技术答疑等场景。未开启结果重排时，节点输出的是向量检索的结果，根据匹配度从大到小排序；开启结果重排后，系统会将 Embedding 的召回结果交由 Rerank 模型进行质量和相关性判断，对结果重新排序，将与输入问题最相关的文档排在前面。 假设用户查询“如何制作意大利面？” ，首先会从知识库中检索得到以下几个文档片段，其中先按照ABCD先后顺序排列： * 切片 A：介绍意大利面的历史。 * 切片 B：讨论了不同种类的意大利面和它们的搭配。 * 切片 C：详细描述了制作意大利面的步骤，包括所需材料和烹饪技巧。 * 切片 D：提供了一些意大利面食谱。 在结果重排的过程中，知识库检索节点会分析用户的真实意图，对切片重新排序，使得最相关的内容排在前面。最终的排序可能变为： * 切片 C：详细描述了制作意大利面的步骤，包括所需材料和烹饪技巧。 * 切片 D：提供了一些意大利面食谱。 * 切片 B：讨论了不同种类的意大利面和它们的搭配。 * 切片 A：介绍意大利面的历史。 #### 仅查看个人文档 指定查询范围是否仅限于用户的个人文档。默认为关闭状态。 * 开启：在知识库检索节点添加的全部知识库中，用户只能搜索自己通过知识库写入节点写入的文档，不能在开发者和其他人上传的文档中检索内容。 * 关闭：检索范围为知识库节点中添加的全部知识库。 ### 输出 输出参数固定为一个名为 outputList 的数组，其中包含多条召回结果，默认根据匹配度和相关性由高到低排序。outputList 数组中包括如下输出参数： * output：召回结果，数据类型为 String。 * documentId：知识库文档的 ID，数据类型为 String。 ## 常见问题 ### 知识库检索节点和大模型节点添加知识库有什么区别？ 前者是人工指定输入的检索内容，百分百调用。 后者是大模型根据 Query 决定是否调用知识库、以及使用什么内容去检索知识库。