PeterZhong/LinkToolDocs
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

知识库

Browse Source
This commit is contained in:
zengmq 2025-07-17 11:39:55 +08:00
parent 7ee6f3d052
commit 778a89ba76
1 changed files with 6 additions and 4 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

10
agent/dev/knowledge.md
View File

@ -22,7 +22,9 @@ Link Tool旨在构建一个专业的GIS工具知识库，通过自动化手段
## 实现方法
将整理好的四个知识库文档上传到阿里云百炼平台，采用检索增强生成（RAG）技术，根据用户输入从外部信息源检索相关信息，然后将检索到的内容整合到用户输入中，从而帮助大模型生成更准确的回答。知识库功能作为阿里云百炼的RAG能力，能有效补充私有知识并提供最新信息。
具体操作为导入Markdown非结构化数据和工具列表结构化数据，对知识库进行配置，开启多轮会话改写——将基于会话上下文自动调整原始输入Prompt（用户问题）以提升检索效果。使用官方向量v3（DashScope text-embedding-v3）模型，用于将原始输入Prompt和知识文本转化为数值化向量，官方向量v3模型在语种支持、输入长度和向量维度自定义化等方面，相比官方向量v2模型进行了全面升级，适用于大部分场景。选择官方排序的Rank模型，通过语义排序和文本匹配特征以确保相关性。设置20%的相似度阈值，该阈值表示允许召回的文本切片的最低相似度分数，用于筛选Rank模型返回的文本切片，即只有分数超过此数值的文本切片才会被召回。调低此阈值预期会召回更多文本切片，但可能导致召回一些相关度较低的文本切片；相反，提高此阈值会减少召回的文本切片。若设置得过高，则可能导致知识库丢弃相关的文本切片。
![图1](../assets/ksetting.png)
具体操作为：对知识库进行配置，开启多轮会话改写——将基于会话上下文自动调整原始输入Prompt（用户问题）以提升检索效果。使用官方向量v3（DashScope text-embedding-v3）模型，用于将原始输入Prompt和知识文本转化为数值化向量，官方向量v3模型在语种支持、输入长度和向量维度自定义化等方面，相比官方向量v2模型进行了全面升级，适用于大部分场景。选择官方排序的Rank模型，通过语义排序和文本匹配特征以确保相关性。设置20%的相似度阈值，该阈值表示允许召回的文本切片的最低相似度分数，用于筛选Rank模型返回的文本切片，即只有分数超过此数值的文本切片才会被召回。调低此阈值预期会召回更多文本切片，但可能导致召回一些相关度较低的文本切片；相反，提高此阈值会减少召回的文本切片。若设置得过高，则可能导致知识库丢弃相关的文本切片。
![](../../assets/2025-07-17-09-25-44.png)
导入Markdown非结构化数据和工具列表结构化数据，配置数据处理策略。设置非结构化文档的元数据，比如ArcGIS Pro帮助文档的元数据为工具调用名。设置文档切分为智能切分，并将这些文本切片通过Embedding模型转换为向量。随后文本切片和向量将以键值对的形式存入向量数据库中。
知识库创建完成后进行各个知识库针对性“命中测试”，根据召回结果调整相似度阈值。
![](../../assets/2025-07-17-10-05-23.png)
知识库构建完成后会生成专属的ID供Link Tool调用。大模型会结合提示词和用户的需求选择性调用对应的知识库。特别地，当Link Tool将执行地理信息处理工具时，程序会强制其查询Arcgis pro帮助文档知识库，确保其调用信息的准确性，提高工具执行效率。