知识库（RAG）

知识库功能让你的 AI 助手能够基于你的真实文档来回答问题， 比如发布说明、帮助文章、政策，任何文本类的内容皆可。

支持的格式

• PDF
• Markdown、纯文本
• Word（.docx）· CSV
• JSON（作为文本提取）

上传流程

1. 进入 知识库 → 上传文档
2. 选择文件（最大 25 MB）。它会通过预签名 POST 直接上传到 S3
3. worker 接手该任务：提取文本 → 按约 800 tokens 分块 → 使用 OpenAI text-embedding-3-small 生成 embeddings → 存入 pgvector
4. 完成后状态变为 READY

训练中心

手动上传单个文件只是其中一种入库方式。进入 AI 助手 → 训练中心， 你还可以用多种方式给知识库喂内容：

• 爬取网站：填入一个网址，它会抓取页面、提取文本，并像上传文件一样入库
• 批量上传文件：PDF、Word（.docx）等文本文档会被自动解析并分块
• 问答对：可以手动录入，也可以用 CSV 一次批量导入
• Playground：一个沙盒试聊环境，上线前先在这里用知识库试跑 AI 助手

检索如何工作

在每条访客消息上，worker 会为查询生成 embeddings，并在你租户的分块上执行 余弦距离搜索。Top-K（默认 5）个通过相似度阈值的分块会被内联到系统提示词中。

平台托管 AI，或使用你自己的 embeddings

默认情况下由平台为你托管 AI，无需自带密钥：embeddings 和回复都跑在托管密钥上， 按真实 token 用量计费，用积分自动续费，余额不足时自动转人工。如果你想自建， 在 AI 助手 → Embeddings 中，你可以设置自定义的 embedding API endpoint， 如果你想使用 Azure OpenAI、本地 Ollama 或 DuckLLM，这会很有用。聊天 补全 endpoint 可以与 embedding endpoint 不同，因为聚合器 服务通常不支持 embeddings。

缓存

完全相同的查询文本会命中 24 小时的 Redis 缓存，因此同一条 FAQ 不会 在每次访问时重新生成 embeddings。Anthropic 提示词缓存会应用于系统提示词 + 检索到的 分块，以进一步节省成本。

何时跳过 RAG

如果你的 AI 助手只是一个纯 闲聊 / 线索资格判定机器人，不需要引用文档，就把 RAG enabled 关掉。