AI知識庫

路徑：【後台管理】⇒【AI平台】⇒【AI知識庫】

1. 什麼是 AI知識庫？

【AI知識庫】 讓 AI 在回答問題時能引用企業自有的文件與資料，而不只依賴模型本身的通用知識。

系統會把上傳的文件切分成小段落並向量化儲存。使用者提問時，AI 先從知識庫找出最相關的幾個段落，再依據這些段落作答。與傳統搜尋相比，回答更通順也更貼近問題；與檔案櫃相比，使用者不必自己翻找文件。

知識庫支援兩類知識：

文字類知識：一般的文件檔案，例如公司制度、產品說明。
數據表類知識：以表格形式記錄大量資料的檔案。

進入 【AI知識庫】 後，畫面上方為 知識庫名稱搜尋框 與右上角的 『新增知識庫』，下方以列表呈現已建立的知識庫。

列表欄位如下：

欄位	說明
知識庫名稱	知識庫的圖示與名稱。
建立人	建立這個知識庫的人員。
建立時間、修改時間	知識庫的建立與最後異動時間。
狀態	以開關控制知識庫的啟用或停用。
操作	提供『召回測試』與『刪除』。

warning

使用 AI知識庫前，必須先於 統一設定 的 ［向量資料庫設定］ 完成連線設定，並在 AI 模型 中準備好 向量模型。缺少任何一項，知識都無法正常儲存與檢索。

2. 建立知識庫

點擊右上角的 『新增知識庫』，系統會開啟 【建立知識庫】 對話框。

欄位	說明
知識庫名稱（必填）	知識庫在列表與被引用時顯示的名稱。
描述（必填）	說明這個知識庫收錄哪些內容。AI 助理會依此判斷該不該查詢這個知識庫，建議具體描述涵蓋範圍。
知識數據儲存（必填）	選擇知識要存進哪些檢索引擎，可複選『向量庫存儲』與『全文搜尋庫儲存』。
圖示	知識庫的圖示。

note

若尚未於 統一設定 的 ［全文搜尋資料庫］ 完成設定，『全文搜尋庫儲存』 會呈現不可勾選狀態，滑鼠移到旁邊的說明圖示會顯示「請先完成全文搜尋資料庫設定」。

填寫完成後點擊 『確定』 建立，新的知識庫即會出現在列表中。

3. 上傳知識

知識庫建立後即可上傳文件。系統以 【新增知識】 精靈引導，依序完成四個步驟：上傳 ⇒ 斷句規則 ⇒ 斷句預覽 ⇒ 數據處理。

📌 步驟 1：上傳

先選擇 知識類型（『文字類知識』 或 『數據表類知識』），再將檔案拖曳到虛線框內，或點擊 『點選上傳』 選擇檔案，一次可上傳多個檔案。

支援 .txt、.html、.docx、.doc、.pptx、.ppt、.pdf 格式，檔案大小不限。

📌 步驟 2：斷句規則

［檔案解析策略］ 決定要從文件中取出哪些內容作為知識來源：

解析策略	說明
擷取文字內容	擷取檔案中的文字內容。此項為固定勾選。
提取圖片元素	擷取檔案中的圖片，作為知識內容的一部分，在分段中可人工標註圖片意義。
提取表格元素	擷取檔案中的表格元素，分段可透過 Markdown 格式進行內容調整。
多模態解析	開啟後，如偵測到檔案是圖片／掃描件，會透過多模態能力解析其中的文字內容，再進行分段處理；但不會針對檔案內容中的圖片做解析。

［斷句規則］ 決定文件要如何被切成段落，二擇一：

自動分段清洗：自動辨識段落、正文、頁首／頁尾等資訊，以每段不超過 400 字 作為一個片段。分段結尾處如遇完整語句，該結尾語句會切分至下一個分段。
自訂：以 分段標識符 作為依據，將內容切分為不超過 最大長度 的段落，並依 重疊度 讓相鄰段落的內容重複一定比例，避免資訊割裂。若依分段標識符切出的段落超過最大長度，同樣會把結尾處的完整語句切分至下一個分段。

note

重疊度 是指相鄰切片之間重複的比例。以「123456789ab」切為 3 個切片、重疊度 40% 為例，結果會是 12345、45678、789ab。適度的重疊可避免答案剛好被切斷在兩個段落之間。

📌 步驟 3：斷句預覽

畫面分為三欄：左欄為 檔案列表 與各檔案的處理狀態，中欄為 原始檔案預覽，右欄為 斷句預覽，也就是最終的分段切片結果。每一個切片會被當成最小單位，用來計算與使用者提問的匹配度。

tip

若發現 AI 回答時常抓錯段落，多半是切片切得太碎或太大。可先在這一步觀察切片內容是否語意完整，再回上一步調整斷句規則。

📌 步驟 4：數據處理

系統開始於伺服器端處理檔案，畫面顯示各檔案的名稱、大小與處理進度。全部顯示 處理完成 後，點擊右下角的 『完成』 結束上傳。

📌 數據表類知識

若在步驟 1 選擇 『數據表類知識』，後續改為設定：

選擇 sheet 頁：指定要匯入知識庫的工作表。
選擇表頭行：資料會從表頭的下一行開始匯入。
選擇索引欄位：AI 搜尋知識庫時會依索引欄位快速定位到目標資料列。

4. 檢索方式

知識庫支援三種檢索方式，可在 AI助理 掛載知識庫時依情境選擇：

檢索方式	原理	優點	限制
關鍵詞檢索（全文檢索）	將文件拆為詞元，以關鍵詞精確比對。	速度快，對專有名詞、術語、程式碼等精確查詢效果好。	無法理解語意，遇到同義詞、錯別字或用詞不同但意思相同的情況可能檢索失敗。
語意檢索（向量檢索）	以向量比對語意相似度。	能處理同義詞、泛化查詢，甚至跨語言的語意匹配，對自然語言問題較友善。	可能忽略字面上的關鍵資訊，對非常精確的術語或數字查詢不一定比全文檢索準確，且需要較多運算資源。
混合檢索	同時執行上述兩種檢索，再對結果融合與重新排序。	兼顧關鍵詞精確度與語意相關性。	需額外設定全文搜尋資料庫與重排模型。

使用混合檢索的前置作業：

於 【統一設定】 完成 向量資料庫 與 全文搜尋資料庫 設定。
於 【建立知識庫】 時同時勾選 『向量庫存儲』 與 『全文搜尋庫儲存』。
於 【AI 模型】 中加入 重排（rerank）模型。
於 【AI助理】 呼叫知識庫的技能內，設定混合檢索所綁定的重排模型與重排權重。

5. 知識召回測試

知識庫上線前，建議先驗證「問了問題之後，是否真的能撈到正確的段落」。

點擊列表操作欄的 『召回測試』 即可進入。

【召回測試】 頁分為 ［測試任務］ 與 ［測試數據集］ 兩個頁籤，右上角提供 任務名稱搜尋框 與 『新增測試任務』。

［測試任務］ 的列表欄位如下：

欄位	說明
序號	任務的排序編號。
任務名稱	本次測試任務的名稱。
測試數據集	本次採用的測試數據集。
測試規則	本次測試所使用的召回參數。
起止時間、持續時間	任務的執行區間與耗時。
Token消耗	本次測試所消耗的 Token 數。
樣本執行情況	各筆樣本的執行結果統計。
執行狀態	任務目前的執行狀態。
操作	提供該筆任務可執行的操作。

📌 新增測試任務

點擊 『新增測試任務』，對話框分為兩個步驟：準備測試數據集 ⇒ 測試參數設定。

在 ［準備測試數據集］ 中填寫 測試任務名稱（必填），並以下列任一方式建立測試題目：

『AI生成』：由 AI 依知識庫內容先產生一批問題與預期答案。
『載入已有測試數據集』：沿用先前存下來的數據集。
『新增一列』：逐筆手動輸入。

表格中每一列包含 輸入指令／問題 與 預期輸出 兩個欄位，可直接於儲存格中微調成實際需要的內容。整理完成後，可點擊 『另存為測試數據集』 保存供日後重複使用，或直接點擊 『下一步』 進入 ［測試參數設定］，設定本次測試的召回參數（例如最大召回數量、最小匹配度）。

執行後於 ［測試任務］ 列表查看結果，可比對 預期輸出 與 實際輸出 是否一致，並展開檢視本次實際召回了哪些知識片段；輸出結果也可再由 AI 大模型依據與預期答案的一致性進行評分。

tip

調整召回參數後重跑同一份測試資料集，就能用同樣的基準比較不同參數的效果，找出最適合自家文件的設定。

6. 停用與刪除知識庫

在列表的狀態欄可直接以開關 啟用／停用 知識庫。停用後，助理將無法再從這個知識庫檢索內容。

點擊操作欄的 『刪除』，系統會跳出「確認刪除知識庫嗎？」的確認視窗，點擊 『確定』 後才會真正刪除。

warning

刪除知識庫會一併移除其中所有已上傳的知識與切片，且無法復原。刪除前請先確認沒有 AI助理或 AI技能正在引用這個知識庫，否則相關的知識問答會失效。

1. 什麼是 AI知識庫？​

2. 建立知識庫​

3. 上傳知識​

📌 步驟 1：上傳​

📌 步驟 2：斷句規則​

📌 步驟 3：斷句預覽​

📌 步驟 4：數據處理​

📌 數據表類知識​

4. 檢索方式​

5. 知識召回測試​

📌 新增測試任務​

6. 停用與刪除知識庫​