#配置 AI 员工知识库检索

在 NocoBase 中，RAG（检索增强生成）让 AI 员工先从知识库召回相关内容，再把检索结果放入 Prompt，最后由 LLM 生成回答。

进入 AI 设置页面，选择一个 AI 员工并点击「Edit」。在编辑抽屉中打开「Knowledge Base」页签。

#配置项

#Enable

打开「Enable」后，AI 员工才会在对话中使用知识库检索。

#Knowledge Base

选择一个或多个知识库。留空时，AI 员工会从所有已启用的知识库中检索；选择知识库后，只检索选中的知识库。

#Retrieval strategy

• Retrieve on demand：由 AI 员工判断当前问题是否需要知识库。新建员工默认使用这个策略，通常来说也是推荐选项
• Automatically retrieve for every question：每个问题都先执行检索，适合每轮对话都依赖内部资料的员工

#Knowledge Base Prompt

这个字段决定检索内容如何注入 AI 员工的上下文。必须保留固定占位符 {knowledgeBaseData}，不要删除或修改它。

可以在占位符前后补充回答要求，比如要求员工引用文档名称、区分已知信息和推测信息。

#Top K

每次检索返回的最多结果数，范围为 1–100，默认值为 3。值越大，LLM 看到的候选内容越多，Token 消耗也可能增加。

#Score

检索结果的最低相似度阈值，范围为 0–1，默认值为 0.6。值越高，结果通常越相关，但也可能因为阈值过高而没有结果。

建议先使用默认值，再通过命中测试和真实问题逐步调整。

#调整检索效果

按下面的顺序调试：

1. 先用知识库中的原句做命中测试
2. 确认文档状态为 SUCCESS
3. 确认 AI 员工选择的知识库已经启用
4. 从默认 Top K = 3 和 Score = 0.6 开始调整
5. 再测试同义表达和真实业务问题

如果原句都检索不到，优先检查文档状态、向量数据库和 Embedding 配置，不要先调低 Score。

#相关链接

• 建立第一套知识库 — 配置向量数据库、上传文档并完成命中测试
• 配置和管理知识库 — 创建知识库并维护文档
• 向量数据库 — 检查向量存储和 Embedding 前置条件