> 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/russian/knowledge-base/emb-models-info.md).

# Настройки моделей и поиска

База знаний сначала разбирает материалы и делит их на фрагменты, а затем ищет среди этих фрагментов тот контент, который с наибольшей вероятностью ответит на вопрос. Модель эмбеддингов, модель переранжирования и Top K определяют «как искать, как сортировать и сколько оставить в итоге»; они не могут исправить отсутствующий основной текст или неверное разбиение на фрагменты.

{% hint style="info" %}
При первой настройке сначала выполните один тест на полноту поиска с текущими параметрами. Затем в каждом раунде изменяйте только один параметр и всегда повторно проверяйте один и тот же набор вопросов, чтобы понять, какая настройка вызвала изменение.
{% endhint %}

## Сначала разберитесь в цепочке поиска

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2FlOKvTNoShRGrj0ErU2aK%2Fclipboard.png?alt=media&amp;token=d245723c-b825-4e3d-ab00-6e1d07a96fc9" alt="从资料解析、分块、BM25 与向量检索到合并、重排和 Top K 的知识库检索架构图"><figcaption><p>BM25 всегда может работать отдельно; после настройки модели эмбеддингов добавляется векторный поиск, а переранжирование — это необязательный шаг после объединения кандидатов.</p></figcaption></figure>

Каждый слой на схеме влияет на конечный результат: содержание материалов определяет «есть ли ответ», разбор и деление на фрагменты определяют «полный ли ответ», а поиск и переранжирование — «сможет ли правильный фрагмент выйти вперед».

### Три распространённые комбинации

| Комбинация                                   | Фактический способ поиска                                                             | Для каких материалов подходит                                    | Когда обновлять                                                                                     |
| -------------------------------------------- | ------------------------------------------------------------------------------------- | ---------------------------------------------------------------- | --------------------------------------------------------------------------------------------------- |
| Без модели эмбеддингов                       | Только поиск по ключевым словам BM25                                                  | Много номеров пунктов, названий продуктов и собственных терминов | Если при перефразировании попадание затруднено, добавьте модель эмбеддингов                         |
| Модель векторизации                          | BM25 и векторный поиск работают параллельно, затем объединяются результаты кандидатов | Формулировка пользователя сильно отличается от исходного текста  | Если правильный фрагмент удаётся найти, но сортировка нестабильна, добавьте модель переранжирования |
| Модель эмбеддингов + модель переранжирования | Повторная оценка и сортировка после смешанного поиска                                 | Похожие фрагменты-кандидаты, нужна стабильная сортировка         | Сначала оставьте порог на 0,0, затем постепенно корректируйте его в зависимости от шума             |

{% hint style="success" %}
Без модели эмбеддингов база знаний тоже может работать. Только после выбора модели переранжирования на панели настроек появится \[Порог сходства].
{% endhint %}

## Откройте настройки и проверьте текущую конфигурацию

Откройте левую навигацию \[База знаний] → выберите базу знаний → нажмите \[Настройки] в правом верхнем углу.

Область по умолчанию включает \[Обработка документов], \[Модель эмбеддингов], \[Модель переранжирования] и \[Top K]. Для первого теста рекомендуется сначала оставить Top K равным 6 и пока не повышать порог сходства.

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2FU2C9clCv11t3I9e8W0Kn%2Fclipboard.png?alt=media&amp;token=f9510d70-3b78-4f57-9316-f73e7ecf2a01" alt="知识库设置中的文档处理、嵌入模型、重排模型和 Top K"><figcaption><p>Сначала проверьте модель и Top K, затем перейдите в [Дополнительные настройки] и проверьте разбиение на фрагменты.</p></figcaption></figure>

### Рекомендуемая отправная точка

| Параметр настройки      | Начальные значения интерфейса                    | Рекомендуемая отправная точка                                                                | Назначение и на что обратить внимание                                                                                                                                   |
| ----------------------- | ------------------------------------------------ | -------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Модель векторизации     | Не использовать                                  | Если ключевые слова стабильно находят нужное, сначала не используйте                         | После добавления будут одновременно выполняться поиск по ключевым словам и векторный поиск; тарификация и способ обработки данных облачной модели зависят от провайдера |
| Модель переранжирования | Не использовать                                  | Включайте только тогда, когда правильный фрагмент удаётся вернуть, но сортировка нестабильна | Это добавит ещё один проход оценки моделью и увеличит время ожидания                                                                                                    |
| Top K                   | 6, можно выбрать от 1 до 50                      | Сначала оставьте 6                                                                           | Слишком маленькое значение может пропустить ответ, слишком большое — принести больше шума и занять контекст диалога                                                     |
| Порог сходства          | 0.0, отображается только при настройке reranking | Начните с 0.0                                                                                | Фильтрует только низкооценённые результаты после переранжирования; слишком высокий порог может удалить и правильные фрагменты                                           |

## Постройте базовую линию на фиксированных вопросах

Перед началом подготовьте 3–5 реальных вопросов с однозначными ответами. Вопросы должны охватывать собственные термины из материалов, разговорные формулировки и случаи, когда для ответа нужен контекст.

{% stepper %}
{% step %}

### 1. Сначала проверьте основной текст материалов и Chunks

Убедитесь, что ответ действительно есть в материалах, и что условия и вывод не были ошибочно разделены. Если проблема на этом уровне, сначала исправьте разбор или разбиение, а не спешите настраивать модели.
{% endstep %}

{% step %}

### 2. Выполните первый тест на полноту поиска

Откройте \[Тест на полноту поиска], поочерёдно введите подготовленные вопросы, запишите источник попадания, содержимое фрагмента, порядок и время выполнения.

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2Fr2mSvzxjXSvwuT0gGIf6%2Fclipboard.png?alt=media&amp;token=87900ecb-c890-4894-9891-905a4caad74c" alt="召回测试中的命中来源、相关度、片段内容和排序"><figcaption><p>Смотрите не только на то, «есть ли результат», но и на то, правильный ли источник, полный ли фрагмент и разумен ли порядок.</p></figcaption></figure>
{% endstep %}

{% step %}

### 3. Найдите уровень, на котором возникла проблема

* Совсем нет правильных фрагментов: сначала проверьте материалы, разбор и разбиение на фрагменты.
* Ключевые слова находят, а при перефразировании — нет: попробуйте модель эмбеддингов.
* Правильный фрагмент появляется, но часто оказывается внизу: попробуйте модель переранжирования.
* Правильный фрагмент отфильтровывается: уменьшите порог сходства.
* Первые несколько результатов относятся к теме, но ответ всё ещё неполный: немного увеличьте Top K.
  {% endstep %}

{% step %}

### 4. За один раз изменяйте только один параметр

Например, сначала настройте Top K и сохраните, не меняйте одновременно модель эмбеддингов и размер фрагмента. Если затрагиваются старые фрагменты материалов или уже созданные векторы, выполните повторную индексацию или перестройку, как указано ниже.
{% endstep %}

{% step %}

### 5. Повторно тестируйте на одном и том же наборе вопросов

Сравните до и после по источникам, полноте фрагментов, порядку и времени. Если улучшения нет, верните исходные настройки и тестируйте следующий параметр.
{% endstep %}
{% endstepper %}

## Как настраивать, если разбиение на фрагменты неполное

Откройте \[Дополнительные настройки], там можно увидеть \[Умное разбиение], \[Разделитель], \[Размер фрагмента] и \[Размер перекрытия].

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2FSuW1LQlcdqCWxhLJEEQe%2Fclipboard.png?alt=media&amp;token=6ea5de2d-e4a1-40e2-b31c-d9ca31779eed" alt="知识库高级设置中的智能分段、分隔符、分段大小和重叠大小"><figcaption><p>Для общих материалов можно начать с включённого умного разбиения, размера фрагмента 1024 и размера перекрытия 200.</p></figcaption></figure>

| Параметр настройки | Начальные значения интерфейса | Когда настраивать                                                                                                | Распространённые побочные эффекты                                                            |
| ------------------ | ----------------------------- | ---------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------- |
| Умное разбиение    | Включить                      | Если у материалов есть чёткие заголовки и структура абзацев, оставьте включённым                                 | После отключения будет выполняться только разбиение по разделителям                          |
| Разделитель        | `\n\n`                        | Настраивайте, если у материалов есть стабильные пользовательские границы абзацев                                 | Если умное разбиение выключено, разделитель не может быть пустым                             |
| Размер фрагмента   | 1024 токена                   | Уменьшайте, если один фрагмент смешивает несколько тем; увеличивайте, если условия и вывод постоянно разделяются | Слишком большое значение увеличивает шум, слишком маленькое — теряет контекст                |
| Размер перекрытия  | 200 токенов                   | Немного увеличивайте, если важная информация часто проходит границы фрагментов                                   | Должен быть меньше размера фрагмента, слишком большое значение создаст дублирующийся контент |

{% hint style="warning" %}
Настройки разбиения влияют только на новый контент, добавленный после изменения. Чтобы существующие материалы использовали новые настройки, выполните \[Повторную индексацию] в меню строки материала, затем снова протестируйте на том же наборе вопросов.
{% endhint %}

## Смена модели и перестройка базы знаний

Когда в базе знаний, где использовался только BM25, включают модель эмбеддингов, можно сразу выполнить векторную индексацию. Если в базе знаний, где уже есть векторы, меняют модель эмбеддингов, интерфейс переходит в процесс \[Перестройка базы знаний], потому что векторы, созданные разными моделями эмбеддингов, нельзя смешивать.

{% hint style="danger" %}
Перед началом перестройки сначала убедитесь, что новую модель эмбеддингов можно успешно вызывать. После перестройки нужно заново выполнить базовую линию полноты поиска; не меняйте в одном раунде и модель, и разбиение, иначе будет невозможно понять, откуда взялись изменения результата.
{% endhint %}

Если эмбеддинги нужно выполнять локально на этой машине, откройте \[Настройки] → \[Локальные модели], в разделе \[Модель эмбеддингов] скачайте доступную модель, затем вернитесь в настройки базы знаний и выберите её.

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2FKtorqL7bBJINtcB1uKOE%2Fclipboard.png?alt=media&amp;token=ce9a7810-c719-4392-aeb1-839f414f37e8" alt="本地模型设置中的嵌入模型下载入口"><figcaption><p>Сначала завершите загрузку локальной модели, затем вернитесь в базу знаний, выберите её и создайте индекс.</p></figcaption></figure>

## Замкнутый цикл настройки

<figure><img src="https://3765361039-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2FmfHDAsphgab351BnEKkY%2Fclipboard.png?alt=media&amp;token=0fc8847f-23e0-4d93-8938-26e818df4b8f" alt="用固定问题进行召回测试、定位问题、单项调整、重新索引并复测的知识库质量调优闭环"><figcaption><p>Фиксированные вопросы → Проверка результатов → Определение уровня проблемы → Изменение одного параметра → При необходимости переиндексация → Повторный тест.</p></figcaption></figure>

Каждый раз оставляйте только те изменения, которые стабильно улучшают фиксированные тестовые вопросы. Если результат не улучшился, верните предыдущий набор настроек, а не накапливайте ещё больше изменений.

## Полный пример

Сяо Линь ведёт набор правил по командировкам сотрудников. В материалах написано «нормы на проживание», а сотрудники часто спрашивают «сколько максимум можно возместить за гостиницу».

1. Сначала он протестировал настройки по умолчанию и обнаружил, что по ключевым словам из исходного текста попадание есть, но разговорная формулировка работает нестабильно.
2. Он настроил модель эмбеддингов и завершил индексацию, затем повторно протестировал на тех же вопросах.
3. Правильный фрагмент стал стабильно появляться, но иногда оказывался внизу, поэтому он дополнительно настроил модель переранжирования.
4. Он оставил Top K равным 6 и порог — 0,0, а затем постепенно повышал порог только тогда, когда было видно, что нерелевантные результаты действительно появляются.

Критерий завершения: на три разных формулировки вопроса в первых нескольких результатах находится одна и та же норма проживания, а фрагмент одновременно содержит и условия применения, и верхний предел компенсации.

## Часто задаваемые вопросы

<details>

<summary>Если не использовать модель эмбеддингов, база знаний всё ещё может искать?</summary>

Да. База знаний будет использовать поиск по ключевым словам BM25, что подходит для номеров пунктов, собственных терминов и вопросов, близких к исходному тексту.

</details>

<details>

<summary>Почему не видно [Порог сходства]?</summary>

Только после выбора модели переранжирования панель настроек покажет \[Порог сходства].

</details>

<details>

<summary>Почему после изменения размера фрагмента старые материалы не изменились?</summary>

Настройки разбиения влияют только на новый контент, добавленный после изменения. Выполните \[Повторную индексацию] для существующих материалов, а затем снова протестируйте с теми же вопросами.

</details>

<details>

<summary>Если правильный фрагмент вообще не появляется, сначала увеличить Top K?</summary>

Сначала проверьте основной текст материалов и Chunks. Если ошибка в парсинге или разбиении, увеличение Top K лишь вернет больше неправильных или неполных фрагментов.

</details>

## Читать далее

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Основы базы знаний</strong></td><td>Сначала сформируйте общее понимание работы базы знаний.</td><td><a href="/docs/russian/knowledge-base/knowledge-base.md">Введение в базу знаний</a></td></tr><tr><td><strong>Парсинг документов и OCR</strong></td><td>Если основной текст отсутствует или распознан с ошибками, проверьте уровень обработки материалов.</td><td><a href="/docs/russian/knowledge-base/document-preprocessing.md">Разбор документов и OCR</a></td></tr><tr><td><strong>Добавление и организация материалов</strong></td><td>Узнайте о повторной индексации, статусе материалов и поддержании контента.</td><td><a href="/docs/russian/knowledge-base/sources.md">Добавление и организация материалов</a></td></tr><tr><td><strong>Проверка материалов и извлечения</strong></td><td>Продолжайте практиковаться в тестах на полноту поиска и оценке результатов.</td><td><a href="/docs/russian/knowledge-base/recall-test.md">Проверка материалов и извлечения</a></td></tr></tbody></table>


---

# 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 dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.cherryai.com.cn/docs/russian/knowledge-base/emb-models-info.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.