KnowledgeBase 知识库与召回测试
知识库与向量化
- 新建知识库,选择 Embedding 模型和向量存储。
- 在配置中关联需要检索的资料。
- 执行“向量化”,检查结果并处理失败,再进入测试。
- 用真实问题做召回测试,同时检查原始来源。
修改资料或 Embedding 配置,不代表存储的向量已经更新,应按需重新构建。 将内容发送给外部 Embedding 服务前,先确认资料访问权限和保留要求。
新建知识库
“新建知识库”打开名称及模型配置表单,选择 Embedding 模型、向量数据库和需要的对话模型。 Embedding 用于生成检索向量,对话模型用于生成回答,两者不能互相替代。 保存知识库定义后,还要在“配置”中关联资料并执行“向量化”;点击新建或保存并不会完成整个入库过程。
召回测试与 Top K
选择已向量化的知识库,输入真实问题,检查返回片段、来源名称、链接及排序。 “查看全文”打开片段详情;历史表记录测试问题、知识库、片段数、最高相似度和测试时间。
相似度分数是排序参考,不是召回率百分比,也不是答案正确概率。 不同模型、后端的分数尺度可能不同。启用重排时,区分重排分数/顺序与原始向量排序。 判断前查看完整段落;一次问题测试成功不能证明整个知识库都已达到质量要求。
返回片段数量(Top K)
“检索设置”中的滑块和数字输入框控制当前页面后续召回测试的返回片段上限, 范围 1–20,建议先从 5 开始。结果不足可提高,噪声过多可降低。 Top K 不是相似度阈值、召回率或知识库总文档数;修改它不会重新向量化,也不会修改全局模型参数。