打开知识库页面后，进入知识库列表。单击知识库列表页面右上角的【新建知识库】。

在创建知识库页面填写相关参数，参数配置建议如下：

• 数据类型：支持选择【非结构化数据】/【结构化数据】，其中【非结构化数据】对应的文件主要内容为文本和图表，如文章、报告、书籍等，支持 faq.xlsx、docx、pptx、pdf、markdown、txt 格式。【结构化数据】的文件主要内容为结构化文本，需具备明确的字段约束，如问答总结、政策条款、数据收集等，支持 csv、xlsx、jsonl 格式。
• 文本向量化模型：通常建议采用【Doubao-embedding+多功能版】向量化模型，可使用混合检索能力提高召回准确率，更多关于“混合检索”的说明，可参考：稀疏+稠密向量混合检索
• 向量维度：通常维度越高，检索越准确。除非有极高性能要求和超大规模数据量，方可考虑降维。

当数据类型为“非结构化数据”时，需配置“切片方式”

• 切片方式：通常建议使用【默认切片规则】，系统会自动保留完整语义进行切片；若文档有非常明确的分片规则（如换行分段），需采用【自定义切片规则】。
  • 当切片方式选择了【默认切片规则】时，需配置：
    • 切片最大长度：当选择“默认切片规则”时，需指定切片最大长度。长度设置往往与所上传文档的信息密度有关。（当信息密度较大，且上下文关联性较小时，切片长度往往可以设置的小一些，以独立内容的长度为基准，如 200-500 左右。如政策信息、热点新闻、法律法规等；当信息密度较小，需要较多上下文关联信息时，切片长度往往可以适当放大，但不宜过大，如 800-1000 左右。如产品说明书、小说、论文等。）
    • 图片 OCR ：需要对文档中的图片内容进行识别，增强大模型的信息输入时，可开启【图片 OCR】开关，更多图片检索召回说明可参考 文档图片检索生成
    • 合并短文本片：按语义切片可能会产生部分独立短文本片，可能会导致切片字符数分布不均，较短无关的文本片 与 较长相关的文本片，在相似度计算上，拉不开差距。因此，可开启【合并短文本片】功能，尽量保证切片长度分布均匀，提高召回准确性。
  • 当切片方式选择了【自定义切片规则】时，仅支持按照固定分割符切片：
    • 按固定分割符号切片：支持选择已有分割符或自定义分割符，比如文档内容是比较明确的法律条款，每一行为一个单独切片，可设置 “\n” 作为分割符。

当数据类型为“结构化数据”时，需配置“字段配置”

• 字段配置：字段配置是用来指定结构化数据的索引
  • 上传文档：系统支持自动识别文档表结构，请注意此处上传的文档仅用来定义表结构，不会真实传入知识库
  • 表结构：支持指定以“第几行”/“第几列”作为表头字段，其中“向量索引”为“是”即可以用作检索匹配，为“否”仅可用于标量过滤

• CPU 配额：CPU 配额与检索的 QPS 需求有关，通常 1 CU = 100 QPS
• 标签：标签可用于后续对所传文档进行分类，在检索时可以优先对文档类型进行过滤，再对文档内容进行检索，降低检索成本和时延。（如设置检索过滤字段为 “permission”，上传文档后，可设定文档 1 的 “permission” == “内部”，文档 2 的 “permission” == “公开”。在检索测试时，即可配置检索范围为 “文档权限” 包含 “内部” 的全部文档，实现不同用户在文档问答时可分级管理模型参考内容）

填写完成后单击右侧【创建知识库】

创建知识库后，可按照引导进行文档上传。知识库支持 本地上传 / TOS 导入（需先购买 TOS 并进行授权）/ 公开下载链接 的方式进行文档上传。

• 通常当本地有较多数据（>100）需要批量导入时，建议优先考虑将数据上传至 TOS，再导入知识库。

点击【切片详情】可查看切片内容，可检查但不限于以下几个维度：
（1）切片结果是否是较为完整的语义
（2）切片结果字符数量分布是否比较均匀
（3）切片结果是否正确识别了图片信息
若不满足预期，可重新调整切片规则 或 对原始文档进行更加规范化的加工，默认以卡片格式展示切片详情，可点击右上角图标切换为列表格式

当文档处理完成后，可点击【检索测试】进行调试

除文档处理外，检索策略配置同样对召回效果起着至关重要的影响。
切片检索参数配置如下：

• 返回文本片数量：检索召回的最终切片数量，召回的文本片将作为输入，拼接送入大模型实现信息增强。
• 重排模型：将用户问题和召回切片通过大模型，进行语义化重排，提高准确切片的召回位次和得分。
  • 召回数量：仅当开启重排模型时，需要配置“召回数量”。通常情况下，“召回数量”要大于“返回文本片数量”，即尽可能多的把相似切片召回，再通过重排+截断，控制最终进入大模型的切片为最精准的小部分切片。
  • <更多参数-denseweight>：当采用混合检索模式时，denseweight 参数可以调整语义化检索比重，denseweight = 1，即为全语义化检索。
  • <更多参数-标量过滤>：配合创建知识库时的标量过滤字段使用。如可配置检索范围为 “文档权限” 包含 “内部” 的全部文档，从而解决不同用户在文档问答时可分级管理模型参考内容

切片检索时，召回的切片将按照位次进行依次展示，可直观查看切片是否正确，得分是否符合预期。

大模型参数配置如下：

• 模型选择：平台提供多个模型及版本，"pro" 代表高精度，“lite” 代表高性能，数字大小代表大模型输入输出窗口长度
  • 不同的日期表示不同版本，版本越新，综合效果越好
  • 支持选择公共接入点或使用自建的接入点
  • 带有“推荐”标签表示模型的综合性能较好，推荐使用；带有“即将下线”标签表示该模型即将下线停服，请尽快更换其他模型
• 拼接临近文本片数量：当单切片字符数较小时，为避免上下文信息丢失，可以通过配置临近文本片拼接，将更全量的信息输入给大模型。如，召回切片为 chunk 8 时，”拼接临近文本片“ == 1 时，最终会将 chunk 7，chunk 8，chunk 9 进行拼接，输入大模型
• 编写 prompt：系统提供了默认 prompt，也可以根据实际对话需要，给出更加具体的回答要求。如“请使用尽量专业的术语进行回答”

大模型回答时，会根据召回切片进行总结，并给出引用知识的参考信息

还可点击【召回详情】可以查看更为详细的回答引用信息，辅助定位问题

点击 【tokens】详情可查看整个问答过程中的 tokens 消耗