> ## Documentation Index > Fetch the complete documentation index at: https://docs.zgi.cn/llms.txt > Use this file to discover all available pages before exploring further. # 知识库 > 面向企业知识问答、RAG 应用和知识检索测试的核心模块 ## 概述 在 ZGI 中，知识库是连接企业私有数据与大模型应用的核心模块。它通过 \*\*RAG（检索增强生成）\*\*把文档、FAQ、制度、产品资料、研究报告等非结构化内容转化为可检索、可召回、可治理的知识资产，让智能体和工作流能够基于可靠上下文回答问题，而不是只依赖模型自身记忆。 > **核心价值** > > 把企业文档变成可被 AI 检索和引用的上下文层，提升回答准确性、降低幻觉，并支持按工作区、文件夹、文档和分段进行持续维护。 ## 核心概念 | 概念 | 说明 | | -------- | ------------------------------------------ | | **知识库** | 面向某一业务领域或数据源建立的知识集合，可按工作区管理，也可通过文件夹分类 | | **文档** | 导入知识库的原始资料，系统会记录语言、字数、命中次数、分段数量、索引状态和文件元数据 | | **分段** | 文档被清洗、切分后的最小召回单元，可启用、停用、编辑、删除，也可批量导入 | | **子分段** | 用于更细粒度的内容维护，适合长段落、层级资料和需要精细召回的场景 | | **检索配置** | 支持语义检索、图谱检索、Top K、分数阈值、Rerank 重排等参数设置 | | **命中测试** | 在发布应用前用真实问题验证召回结果，支持单次测试、外部知识库测试、批量测试和测试报告 | ## RAG 工作流程 ### 准备数据 创建知识库并上传文档，或在已有知识库中继续追加资料。 ### 解析与清洗 系统对文件进行解析、清洗、切分，并生成索引任务。 ### 向量化与索引 使用配置的 Embedding 模型生成向量，写入向量索引；启用 GraphFlow 时还会进入抽取、对齐、入库等图谱索引流程。 ### 检索与重排 用户提问后，系统按检索配置召回候选片段，可结合 Rerank 模型提升相关性排序。 ### 生成回答 智能体或工作流将检索到的上下文传递给 LLM，生成有依据的回答。 ## 支持的能力 | 能力 | 说明 | | --------- | ------------------------------------------ | | **知识库管理** | 创建、查询、更新、删除知识库；按组织或工作区查看知识库列表 | | **文件夹管理** | 创建、编辑、删除知识库文件夹，并支持将知识库移动到指定文件夹 | | **文档管理** | 上传文档、查看详情与元数据、批量启用/停用、归档/取消归档、批量删除 | | **分段维护** | 查看分段、编辑内容、批量导入、启用/停用、删除；查看关键词、Token 数、命中次数 | | **问题增强** | 为分段添加常见问法，支持生成问题、批量导入问题，提高 FAQ 类场景召回稳定性 | | **检索测试** | 支持 hit-testing、外部知识库测试、异步批量测试、测试记录和报告 | | **图谱能力** | 支持知识图谱数据查看和图谱检索，可用于实体关系更强的知识问答 | ## 如何构建知识库 1. 进入控制台的「知识库」模块，点击新建知识库。 2. 填写名称、描述、所属工作区和图标，选择数据来源类型。 3. 配置索引方式、Embedding 模型和检索参数；如需实体关系检索，可开启 GraphFlow。 4. 上传文件或导入已有文件，等待解析、清洗、切分、索引完成。 5. 进入文档详情页检查分段质量，必要时编辑分段、补充分段问题或子分段。 6. 在「召回测试」中输入真实业务问题，检查 Top K、阈值和 Rerank 配置是否符合预期。 7. 将知识库接入智能体或工作流，在应用中作为上下文检索来源使用。 ## 维护与优化建议 * 按业务主题拆分知识库，避免把完全无关的知识混在同一索引中 * 优先清理源文档中的目录、页眉页脚、重复免责声明和无效表格，减少噪声 * 对政策、产品规格、价格、服务条款等高时效内容建立更新责任人，定期归档旧文档 * 使用分段问题增强 FAQ、规章制度、产品说明等固定问答场景 * 通过批量测试覆盖高频问题、边界问题和同义问法，避免只凭单个测试样本判断效果 * 在命中结果过宽时提高分数阈值或收窄知识库；在召回不足时降低阈值、增加 Top K 或优化分段 ## 知识图谱增强检索 传统 RAG 的天花板是"语义相似"——向量检索只能找到措辞类似的段落。但企业场景中，大量问题是关联型的：A 公司的合同 → 条款 → 违约金 → 关联人。这需要的不是语义匹配，而是关系推理。 ZGI 在文档导入时自动抽取实体（公司、人名、合同号、金额、日期）并建立关系边，存入图数据库。当用户查询涉及多实体关联时，图谱路径直接给出完整、准确的结果。 | 对比维度 | 纯向量检索 | ZGI 图谱 + 向量 | | -------- | ------- | ----------- | | 语义匹配 | ? 擅长 | ? 同样支持 | | 关联查询 | ? 无法处理 | ? 图遍历推理 | | 跨文档关联 | ? 文档间孤立 | ? 统一实体图谱 | | 关联型问题回召率 | 70-85% | **99%+** | ## 应用场景 | 场景 | 示例 | | ------------- | ------------------------------------- | | 企业内部知识问答 | 员工询问"公司的报销流程是什么？"，系统从制度文档中召回对应条款并生成回答 | | 智能客服与 FAQ 自动化 | 客服机器人基于商品说明、售后政策和常见问题回答客户咨询 | | 研发与运维助手 | 把接口文档、部署手册、故障记录做成知识库，辅助排查问题 | | 销售与方案支持 | 检索产品资料、行业案例和报价规则，快速生成客户沟通材料 | | 合规与法务检索 | 检索合同模板、合规制度、审计说明，辅助定位关键条款 | | 私有化部署知识问答 | 在本地模型和私有向量库环境中运行 RAG，满足数据不出域要求 | ## ZGI 知识库的优势 * 从知识库、文档、分段到子分段的**多层级治理**，适合长期运营 * **检索配置可视化**，支持语义检索、图谱检索、阈值控制和 Rerank * 与**模型网关联动**，可统一管理 Embedding、Rerank、LLM 等模型依赖 * 支持**权限控制**，知识库查看、管理、召回测试、文件夹管理和锁定可按角色授权 * **测试闭环完整**，支持单次测试、批量测试、测试历史和报告，便于上线前评估质量 ## 知识库演示视频