構建知識庫同召回測試

知識庫會將文件、網頁同筆記處理成可檢索片段。佢適合回答「資料入面點講」，唔等於令模型永久記住成份文件。

新建同匯入資料

1

1. 打開【知識庫】→【新建知識庫】

填寫容易辨認嘅名稱，並選擇可用嘅嵌入模型。嵌入模型負責將資料變成可搜尋嘅表示，同對話用嘅主模型唔係同一回事。

2

2. 選擇資料來源

可以加入文件、文件夾、筆記或者網址。常見文檔格式包括 PDF、DOCX、Markdown、Excel、TXT 同 CSV；掃描件可能需要 OCR 先攞到文字。

3

3. 等待處理完成

打開文件詳情睇預覽同分段。標題缺失、亂碼或者表格結構丟失嘅時候，先整理原文件，再重新處理。

4

4. 做召回測試

用真實用戶會問嘅問題測試，唔好淨係輸入文件標題。檢查返回片段係咪相關、係咪包含完整上下文，再決定要唔要綁定畀 Agent。

新建知識庫嗰陣先填寫名稱同選擇可用嘅嵌入模型。

① 三篇出差資料都已經準備好；② 撳上面【召回測試】驗證實際問題。

① 輸入工作中真係會問到嘅問題；② 檢查命中資料、片段內容同相關度。

用真實問題驗收召回結果

資料顯示【就緒】之後，用工作中真係會出現嘅問題測試一次。例如制度庫可以問「海外租車可唔可以報銷？」；再檢查返回內容係咪嚟自正確資料，係咪包含足夠嘅上下文。

睇到嘅結果	下一步
命中正確資料，片段足夠回答問題	可以綁定畀 Agent 使用
命中資料正確，但片段被截斷	先檢查原文結構，再調整分段長度
命中舊制度或者無關資料	清理過期資料，補充更明確嘅標題同內容
完全冇結果	檢查資料狀態同提問用詞，唔好先盲目增加返回數量

召回測試通過之後，再喺 Agent 入面驗證完整問答。咁樣可以分清係「冇搵到資料」，定係「搵到資料之後答得唔好」。

點理解 RAG 設定

RAG 係指「先檢索資料，再畀模型作答」。常見設定會控制切分長度、重疊範圍、返回數量同相關度門檻。

配置	作用	建議起點	幾時調整
分段長度	決定每個檢索片段包含幾多內容	先用頁面初始值	當片段經常截斷句子或者混入太多主題時
分段重疊	保留相鄰片段嘅銜接	保持少量重疊	條款跨段、上下文經常斷開嗰陣
返回數量	一次提供幾多候選片段	由少量結果開始	漏咗關鍵資料時增加，雜訊太多時減少
相關度門檻	過濾唔相關內容	用召回測試決定	無關結果多時提高，正確片段被過濾時降低

只有召回結果唔穩定嗰陣，先再按資料結構調整 RAG 設定。

應用案例：建立內部制度問答庫

將現行制度按部門整理，文件名包含主題同生效範圍。匯入之後用「出差住宿超標點處理」「試用期請假需要邊個批准」等真實問題做召回測試。確認片段準確之後，先至將呢套知識庫綁定畀「制度問答」Agent，並要求回答時指出資料名稱；遇到缺失內容就明確講未搵到。

知識庫唔會自動判斷文件係咪過期。制度、價格同流程有變化時，應該更新或者移除舊資料，並重新做召回測試。

點解匯入之後一路都冇結果？

檢查文件處理狀態、嵌入模型連線同文檔預覽。掃描版 PDF 如果冇可提取文字，需要先配置 OCR 或者換成可搜尋版本。