30 分钟快速开始

本教程会带你完成什么

本教程会带你快速跑通 ZGI 的基础流程：准备资料、创建知识库、配置大模型、编排智能体，并发布成一个可使用的 AI 应用。完成后，你将得到一个基于企业资料回答问题的智能体。比如上传合同、制度、手册、FAQ 后，可以直接提问：

“这份合同的起止时间是什么？”
“制度里报销流程怎么走？”
“某份合同的付款周期和违约金规则是什么？”
“最近三个月有哪些合同快到期？”

通过本教程，你将完成 4 件事：

导入资料，创建知识库
配置可用的大模型
搭建一个基础知识库问答智能体
发布为外部应用，也就是智能体落地页

建议首次体验时，先选择少量、质量较高的文档，例如 3 到 5 份合同、制度、产品手册或 FAQ。先把基础流程跑通，再逐步增加资料量。

开始前准备

一批测试资料：PDF、Word、Excel、图片扫描件或 Markdown 文档
一个可用的大模型来源：平台已有模型、云端模型 API Key，或私有化部署中的本地模型
如果使用私有化部署，需要提前准备对应的部署环境

四步搭建 AI 应用

导入资料，创建知识库

进入知识库模块，上传准备好的资料。ZGI 会自动完成解析、切片，并构建可检索的知识库。

知识库支持的能力：

文档自动解析并自动切片
向量召回和图谱召回
Rerank 重排
TopK、置信阈值、嵌入模型配置

首次测试时建议：先上传少量高质量文档 → 等待解析切片完成 → 使用知识库测试功能验证 → 检查召回内容是否准确 → 确认效果后再批量导入。

配置可用的大模型

进入大模型配置模块，选择或接入可用的大模型。首次体验时，建议先配置能够支撑基础问答的模型，保证知识库问答流程可以顺利跑通。

在实际使用中，大模型主要负责理解用户问题，并结合知识库召回的内容生成最终回答。

编排智能体工作流

进入工作流画布，创建一个基础智能体流程。一个最简单的知识库问答流程可以这样搭建：

开始节点 → 知识检索节点 → LLM 节点 → 直接回复节点

开始节点：接收用户输入的问题
知识检索节点：从指定知识库中查找相关内容
LLM 节点：根据用户问题和检索结果生成回答
直接回复节点：把最终结果返回给用户

调试并发布为外部应用

工作流搭建完成后，先在调试区进行测试。建议至少测试 3 类问题：

精准查询类：例如”合同的到期时间是什么？”
总结归纳类：例如”帮我总结这份合同的核心条款。”
对比分析类：例如”这几份合同的付款周期有什么不同？”

确认回答稳定后，将智能体发布为外部应用（智能体落地页），用户可通过落地页直接访问。

开发者快速调用

除了通过界面发布，开发者也可以直接通过 API 调用知识库或工作流。典型请求会包含 API Key、用户问题、模型配置和知识库标识，响应中会返回回答内容和引用来源。

curl -X POST https://api.zgi.cn/v1/chat \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zgi-default",
    "messages": [
      { "role": "user", "content": "查询最近三个月的合同到期情况" }
    ],
    "knowledge_base_id": "kb_xxxxxx"
  }'

示例响应：

{
  "id": "msg_xxxxxx",
  "content": "根据知识库检索，以下合同将在三个月内到期...",
  "citations": [
    {
      "source": "采购合同_2025Q4.pdf",
      "page": 3,
      "paragraph": "第五条 合同期限..."
    }
  ]
}

每条回答都附带原文引用 citations 字段返回具体文档、页码和段落，业务团队可直接核验，无需猜测来源。

下一步

核心概念：理解工作区、智能体、知识库、模型之间的关系
知识库 & RAG：学习切片、召回、TopK、Rerank 和嵌入模型的优化
智能体编排：搭建更复杂的业务流程应用

Documentation Index

​本教程会带你完成什么

​开始前准备

​四步搭建 AI 应用

​导入资料，创建知识库

​配置可用的大模型

​编排智能体工作流

​调试并发布为外部应用

​开发者快速调用

​下一步