> For the complete documentation index, see [llms.txt](https://docs.cherryai.com.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cherryai.com.cn/docs/jp/knowledge-base/create.md). # ナレッジベースを作成 作成時に最も重要な2つの選択は、名称と埋め込みモデルです。資料は後から追加できますが、名称の境界と検索方式は後続の保守に影響します。 {% hint style="info" %} 最初の体験では【埋め込みモデル】を【使用しない】に設定しても構いません。ナレッジベースは引き続き BM25 のキーワード検索を使用するので、まずは取り込みと再現の流れを通してみましょう。 {% endhint %} ## 作成前に2つの決定を行う ### 名称は資料の範囲を示す必要がある 【社員出張制度】、【製品アフターサービスマニュアル】、【市場調査資料】のように「対象 + 用途」を優先します。【資料】や【テスト】のように、あとで内容の範囲を判断できない名称は避けましょう。 ### 埋め込み方式を選択する | 選択 | 適したシーン | 検索方式 | 前提条件 | | ----------- | ------------------- | -------------------- | ----------------------- | | 使わない | 初回体験、キーワードが明確 | BM25 キーワード検索 | なし | | クラウド埋め込みモデル | ユーザーの言い方と資料原文の差が大きい | BM25 + ベクトルのハイブリッド検索 | 対応するモデルサービスが正常に呼び出せる | | ローカル埋め込みモデル | ベクトル化を本機で完了したい | BM25 + ローカルベクトル検索 | まず【ローカルモデル】でダウンロードを完了する | ## 作成手順 {% stepper %} {% step %} ### 1. 作成ウィンドウを開く 左側ナビゲーションの【ナレッジベース】を開き、ナレッジベース一覧の上にある追加ボタンをクリックします。 {% endstep %} {% step %} ### 2. 名前を入力する 範囲を示せる名前を入力します。たとえば【社員出張制度】です。 {% endstep %} {% step %} ### 3. 埋め込みモデルを選択する 利用可能なクラウドまたはローカルの埋め込みモデルを選択します。しばらく意味検索が不要な場合は【使用しない】を選択します。
填写员工差旅制度名称并选择嵌入模型的知识库创建表单

名前は資料の境界を決め、埋め込みモデルはベクトル検索を追加するかどうかを決めます。

{% endstep %} {% step %} ### 4. 作成をクリックする 名前とモデルを確認して【作成】をクリックします。作成が完了すると空のナレッジベースに入ります。 {% endstep %} {% step %} ### 5. 最初の資料を追加する 資料追加ボタンをクリックし、答えが明確なファイルやメモを1、2件取り込んで、処理が完了するのを待ちます。 {% endstep %} {% endstepper %} ## ローカル埋め込みモデルを使用する 【設定】→【ローカルモデル】を開き、【埋め込みモデル】の領域で利用可能なモデルをダウンロードします。画面に表示されるモデルやダウンロードサイズはインストール環境によって変わる場合があるため、現在の一覧を基準にしてください。
本地模型设置中的嵌入模型下载入口

ダウンロードが完了したら、ナレッジベースの作成または設定画面に戻ってそのモデルを選択します。

{% hint style="warning" %} ローカル埋め込みは、ベクトル化が本機で完了することを意味するだけです。文書解析、再ランキング、チャットがクラウドを使うかどうかは、それぞれ選択したサービスとモデルによって決まります。 {% endhint %} ## 既存資料の後でモデルを変更する BM25 のみを使うナレッジベースで埋め込みモデルを有効にすると、ベクトルインデックスを作成できます。すでにベクトルを持つナレッジベースで埋め込みモデルを変更すると、画面は【ナレッジベースの再構築】フローに入ります。 {% hint style="danger" %} 再構築を始める前に、新しいモデルが正常に呼び出せることを確認してください。再構築後は再度再現テストを行いましょう。同じタイミングでモデルも変更し、分割も変更すると、結果の変化がどこから来たのか判断できません。 {% endhint %} ## 設定説明 | 設定項目 | 製品のデフォルト値 | 推奨開始値 | 役割 | 適用シーン | 注意事項 | | ----------- | --------- | --------------------- | ------------------ | ---------------------- | --------------------------- | | 名称 | なし | 対象 + 用途 | 資料の境界を区別する | すべてのナレッジベース | 権限やライフサイクルが異なる資料は分けるべき | | 埋め込みモデル | 使わない | 初回体験ではまず使用しない | ベクトル検索に含めるかどうかを決める | 口語的な聞き方、同義表現が多い | クラウドモデルの課金とデータ処理はサービス提供元による | | ローカル埋め込みモデル | 未ダウンロード | ローカル処理が必要なときにダウンロードする | 本機でベクトル化を完了する | オフライン、または高いプライバシー要件がある | 解析、再ランキング、チャットモデルは別途確認が必要 | ## 期待される結果 * 新しいナレッジベースが一覧に表示され、名前で他のナレッジベースと区別できる。 * 現在使っているのがキーワード検索か、それともハイブリッド検索かが分かっている。 * 選択したクラウドモデルが呼び出せるか、またはローカルモデルのダウンロードが完了している。 ## ユーザー事例 小林さんは初めて【社員出張制度】のナレッジベースを作成しました。まず【使用しない】を選んで埋め込みモデルを無効にし、3つの制度文書を取り込んで再現テストを完了しました。キーワード検索が安定してから、埋め込みモデルを設定し、同じ質問で口語的な聞き方の結果を比較しました。 完了基準は、検索方式をアップグレードした後も、元の固定質問が劣化せず、口語的な聞き方で同じ制度をより安定して見つけられることです。 ## よくある質問
作成ボタンが使えないときは？ 名前が空でないか、選択したモデルがまだ使用可能かを確認してください。モデルサービスが未設定の場合は、いったん【使用しない】に変更して作成を完了できます。
埋め込みモデルを使わないと、まったく検索できなくなりますか？ いいえ。ナレッジベースは引き続き BM25 のキーワード検索を使用します。質問の用語が資料に近いほど、結果は通常より安定します。
テーマごとに別々のベースを作る必要がありますか？ 「使用時に一緒に検索すべきか」を判断基準にします。権限、ライフサイクル、またはテーマがまったく異なる資料は、分けるほうが適しています。
## 続きを読む
資料を追加・整理する内容を取り込み、同名の競合を処理する。資料を追加して整理
資料とリコールを確認する実際の質問で結果を検収する。資料と再検索を確認
モデルと検索設定埋め込み、再ランキング、再構築を理解する。モデルと検索設定
--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.cherryai.com.cn/docs/jp/knowledge-base/create.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.