知识库数据

本页面向希望了解知识库底层工作机制的用户。若只需要使用知识库，可直接参考 知识库教程。

核心原理

加入知识库的文档会被切分为小片段 → 由嵌入模型转换为数字向量 → 存入本地数据库。提问时，知识库会将问题转换为同类向量，检索最相似的片段，并将这些片段提供给对话模型作为上下文。

知识库处理流程图

详细一点

1. 入库前的准备

   • 文档（PDF、Word、网页等）先经过 文档预处理（OCR 等），变成纯文本
   • 纯文本被切成 200-500 字左右的小片段（chunk），方便检索
2. 嵌入与存储

   • 每个片段交给 嵌入模型 处理，得到一组数字（向量）
   • 这些数字 + 原文片段都存在 Cherry Studio 本地的数据库里（基于开源的 libSQL）
3. 查询

   • 你提问时，问题文本同样被嵌入模型转成数字
   • 系统找出"和问题数字最像"的若干片段
   • 这些片段连同问题一起送给对话模型，由它生成最终答案

数据存储位置

所有数据保存在本地，不会上传到云端（若使用的嵌入模型本身是云服务，文本片段会在嵌入处理过程中短暂经过该服务）。

• macOS：~/Library/Application Support/CherryStudio
• Windows：%APPDATA%\CherryStudio
• Linux：~/.config/CherryStudio

数据隐私建议

如资料涉及敏感信息（合同、医疗、内部代码等）：

• 使用本地嵌入模型（如通过 Ollama 或 LM Studio 运行 bge-m3），全流程离线
• 对话模型同样建议选择本地部署
• 可配合 修改存储位置 将数据存放至加密磁盘

延伸阅读

• 向量数据库（libSQL / Turso）：https://turso.tech/libsql
• 嵌入与检索增强生成：可查阅"vector embedding"、"RAG"相关资料

---

💡 获取帮助与提交反馈

如果您在配置或使用过程中遇到任何疑问、Bug 或有功能改进建议，请参考 反馈与建议 中提供的官方渠道。