> 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/zhong-wen-fan-ti/knowledge-base/chat.md).

# 喺對話中使用

召回測試合格之後，可以喺普通對話入面揀一個或多個知識庫，等模型根據召回片段作答同顯示來源。

{% hint style="info" %}
對話負責組織答案，知識庫負責提供證據。先喺【召回測試】確認正確片段，再判斷提示詞或者聊天模型係咪需要調整。
{% endhint %}

## 使用前提

| 檢查項   | 合格狀態              |
| ----- | ----------------- |
| 聊天模型  | 支援工具調用            |
| 知識庫資料 | 至少一條資料已就緒         |
| 當前消息  | 無同時附加文件           |
| 召回質量  | 關鍵問題可以搵到正確來源同完整片段 |

{% hint style="warning" %}
當前消息帶有附件時，知識庫選擇會被禁用。先移除附件，再從輸入區選擇知識庫。
{% endhint %}

## 完成一次有來源嘅問答

{% stepper %}
{% step %}

### 1. 選擇支援工具調用嘅模型

新建或者打開普通對話，喺模型選擇器入面確認當前模型支援工具調用。如果知識庫入口提示能力不足，先更換模型。
{% endstep %}

{% step %}

### 2. 打開知識庫選擇

撳輸入區左下角嘅添加按鈕，選擇【知識庫】，再勾選一個或者多個目標庫。
{% endstep %}

{% step %}

### 3. 確認選擇狀態

知識庫名稱應該出現喺輸入區。問題只涉及一個主題時，優先只選一個庫，減少無關片段競爭。

<figure><img src="/files/8d68838047c23a12b4646b4c2e10a54bbdebe8c5" alt="对话输入区已经选择员工差旅制度知识库并输入真实问题"><figcaption><p>送出之前先確認已選嘅知識庫同當前問題屬於同一資料範圍。</p></figcaption></figure>
{% endstep %}

{% step %}

### 4. 寫清任務、範圍同格式

例如：`只根據已選擇嘅知識庫回答國內一線城市住宿上限；唔同職級分項列出，每項標註來源。`
{% endstep %}

{% step %}

### 5. 打開來源核對

檢查來源名稱、片段內容同適用條件。資料無寫明嘅內容，唔應該當成事實補全。
{% endstep %}

{% step %}

### 6. 失敗時返去召回測試

用相同問題檢查知識庫返回嘅片段。召回錯誤先修資料、解析或者檢索；召回正確再調整提示詞同聊天模型。

<figure><img src="/files/65ce03c7ec8a7c321ec30cb89dc17f5b9a06494e" alt="召回测试中展示相关度、来源名称和命中片段的结果列表"><figcaption><p>對話回答唔理想時，召回結果可以幫手判斷問題係喺檢索層定係回答層。</p></figcaption></figure>
{% endstep %}
{% endstepper %}

## 答案係點樣形成嘅

<figure><img src="/files/707d8ff229d7cf7030a9ca2d037ffd3bdd630b5a" alt="从资料解析、关键词和向量检索到合并重排并交给对话回答的知识库架构图"><figcaption><p>聊天模型見到嘅係最終召回片段，唔係自動閱讀知識庫入面全部資料。</p></figcaption></figure>

## 推薦提問模板

### 查詢一條明確規則

> 只根據已選擇嘅知識庫回答：國內一線城市住宿上限係幾多？如唔同職級標準唔同，請分項列出，並喺每項後面標註來源。

### 對比多份資料

> 對比國內出差同海外出差嘅審批差異。按「觸發條件、審批人、出發前材料」列成表格；資料無寫明嘅地方標記為「未說明」。

### 要求區分事實同建議

> 先列出制度原文支持嘅事實，再單獨畀出操作建議。建議唔可以寫成制度要求，每條事實保留來源名稱。

{% hint style="success" %}
一個好問題同時包含四樣嘢：要完成嘅任務、允許使用嘅資料範圍、期望輸出格式，以及資料缺失時應該點處理。
{% endhint %}

## 選擇一個定係多個知識庫

| 情況         | 建議             | 原因              |
| ---------- | -------------- | --------------- |
| 單一制度或者產品問題 | 只選一個庫          | 減少無關片段競爭        |
| 跨部門或者跨產品比較 | 選擇多個庫並說明各自用途   | 幫模型保持來源邊界       |
| 多庫結果混雜     | 拆成多個問題分別驗證     | 先確認每個庫都可以獨立召回   |
| 需要長期多步研究   | 改用綁定知識庫嘅 Agent | 更適合持續搜尋、整理同交付文件 |

## 配置說明

| 配置項   | 推薦起點        | 作用        | 注意事項          |
| ----- | ----------- | --------- | ------------- |
| 知識庫數量 | 1 個         | 控制資料範圍    | 只喺確實有跨庫需求時先增加 |
| 提問範圍  | 明確寫「只根據知識庫」 | 減少常識補全    | 重要結論仍然需要核對來源  |
| 輸出格式  | 表格或者分項列表    | 方便逐條驗收    | 要求「未說明」而唔係猜測  |
| 回歸問題  | 同召回測試用同一條問題 | 區分檢索同回答問題 | 每輪只改變一個變量     |

## 將對話內容沉澱返入知識庫

Cherry Studio 可以將消息、話題或者筆記儲存到知識庫。儲存之前刪除模型猜測、重複內容同臨時討論，並使用可以說明主題同版本嘅標題。

儲存之後會形成新嘅資料快照，唔會同原對話或者筆記即時同步。內容更新時需要重新儲存或者替換。

## 用戶案例

小林喺【員工差旅制度】入面問住宿上限。第一次回答混入咗模型常識，佢將提示詞改成「資料未說明時寫未說明」，並要求每項保留來源。之後逐條打開引用核對城市級別、職級同金額。

完成標準係：每個金額都可以由引用片段直接支持，制度無寫明嘅例外唔會被模型自己補全。

## 常見問題

<details>

<summary>知識庫入口點解係灰色嘅？</summary>

先選擇支援工具調用嘅模型，並移除當前消息附件；再確認至少有一個有就緒資料嘅知識庫。

</details>

<details>

<summary>點解回答冇來源？</summary>

確認輸入區仍然顯示已選知識庫，再將相同問題放入召回測試。冇正確召回時先修復知識庫。

</details>

<details>

<summary>來源正確但結論唔準確點算？</summary>

要求模型只根據引用回答，將任務拆成更細嘅事實項，並人工核對重要結論。呢個時候通常係提示詞、模型能力或者上下文組織問題。

</details>

## 繼續閱讀

<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>檢查資料同召回</strong></td><td>先確認正確片段可以穩定命中。</td><td><a href="/pages/c63f889f83b9213cb096e7e37b06ede1b3b4a986">/pages/c63f889f83b9213cb096e7e37b06ede1b3b4a986</a></td></tr><tr><td><strong>同 Agent 一齊使用</strong></td><td>讓知識庫參與多步任務同文件交付。</td><td><a href="/pages/8f1bf24557618a64833de8c8bb2d72f034b39940">/pages/8f1bf24557618a64833de8c8bb2d72f034b39940</a></td></tr><tr><td><strong>知識庫應用案例</strong></td><td>複用制度、售後同研究案例。</td><td><a href="/pages/a93aa6114ded63c7f1815945ad2cd6f02d8f6e58">/pages/a93aa6114ded63c7f1815945ad2cd6f02d8f6e58</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/zhong-wen-fan-ti/knowledge-base/chat.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.