2.2 中知识与连接能力：知识库、工具、连接器与 Skills
了解了应用的基础配置后，我们继续看 ADP 如何让智能体获得企业知识、连接外部系统，并从“会回答”进一步走向“能办事”。先理解什么是知识库、什么是知识管理，再进入文档、问答、数据库、知识库设置和 Agentic RAG。
本节学习目标
学习完本节后，你将能够： 理解知识库与 RAG 的关系：知道 ADP 知识库如何让智能体基于企业知识回答问题。 了解知识库的主要能力：掌握文档、问答、数据库、知识库设置和 Agentic RAG 分别解决什么问题。 理解知识处理流程：知道文档从上传到检索，会经历解析、切分、干预和优化等环节。 区分知识库与工具：知道知识库负责“查资料”，工具、连接器和 Skills 负责“办事情”。
2.2 中.1 知识库：ADP 中的 RAG 能力如何落地
第一章已经讲过 RAG：大模型回答问题前，先从外部知识中检索相关内容，再把检索结果作为上下文交给模型生成答案。ADP 的知识库，就是把这套思路产品化、可配置化、可维护化的能力，是一条完整链路：知识导入、文档解析、Chunk 切分、向量化与索引、检索召回、重排序、引用展示，以及后续的调试和维护。
知识库与 RAG 的关系
RAG 是技术思路，知识库是 ADP 中承载这套思路的产品能力。RAG 解决“大模型不知道企业私有知识”的问题；ADP 知识库进一步解决“企业知识如何进入平台、如何被处理、如何被检索、如何被引用、如何被持续维护”的问题。
排出正确的 RAG 链路
1.切分
2.知识导入
3.Embedding/索引
4.检索
5.生成回答
6.引用展示
7.解析
2.2 中.1.1 什么是知识库？
在 ADP 中，知识库是用于导入、处理、维护和检索企业知识的核心模块。企业可以把产品说明、制度文件、操作手册、FAQ、培训材料、网页内容等资料放入知识库，让智能体在回答问题时优先从这些资料中查找依据。从实际使用角度看，知识库的价值不只是“让大模型知道更多”，而是让回答更贴近企业真实业务、更可追溯、更容易运营。
在腾讯云智能体开发平台，知识库存储的数据称为知识，分为以下三种类型：
| 知识类型 | 内容 | 适合放入知识库的情况 |
|---|---|---|
| 文档 | 结构化或非结构化的文件，如 PDF、DOCX、TXT、网页等，通过文档切分与索引，将上下文切片存入知识库，供检索系统召回相关内容。 | 产品说明、制度规范、操作手册、培训资料、合同模板等相对稳定内容 |
| 问答 | 以“问题-答案”形式成对存在，从文档或人工输入生成问答对，用于快速响应用户常见问题，提高问答覆盖率和效率。 | 高频问题、标准问法、标准答案、客服口径 |
| 数据库 | 结构化的数据源，如内部系统、结构化表格等，可精确信息或作为辅助检索条件，提升系统对具体业务维度的支持能力。 | 结构化表格型知识、可被字段描述的数据资料 |
ADP 中主要有两个层级的知识库：一是平台级知识库，可以在相同主账号下被多个应用关联使用；二是应用内的默认知识库（应用级知识库），服务于当前应用。平台级知识库适合企业级公共资料，例如产品手册、政策制度、售后规则、行业方案等；默认知识库适合当前应用的专属资料，例如某个客服机器人自己的服务口径。
Tips：当应用评测进行时，无法对知识库内容进行更改，包括新增导入、删除和修改知识设置。
平台级知识库的创建与引用
（1）新建知识库
单击左侧菜单栏中的知识库 > 新建知识库，填写知识库名称和知识库描述。
（2）修改知识库名称
修改知识库名称：单击知识库左上角即可修改知识库名称。
（3）删除知识库
如需删除知识库，请确保当前知识库未被任何应用所引用；被应用引用的知识库需要先解除引用关系后删除。
（4）在应用内添加知识库
单击应用，前往应用 > 知识管理 > 添加知识库。添加后即成功引用所添加的平台级知识库；若取消勾选，则为取消引用该平台级知识库。调整知识库的引用关系后需要重新发布应用。
2.2 中.1.2 什么是知识管理？
知识管理是围绕知识导入、知识处理、知识维护和知识效果调试的一组能力。ADP中，如果需要复用其他知识内容，可以在知识管理内额外添加刚刚提到的平台级知识库。同时，每个智能体应用内设默认知识库（应用级知识库），仅限当前应用使用，不支持跨应用共享。企业把资料放进平台只是第一步，真正影响效果的是后续管理：资料是否最新、是否重复、是否结构清晰、是否被正确切分、检索结果是否命中、答案是否引用了正确片段。因此，知识管理可以理解为“让企业知识变成可被智能体稳定使用的资产”的过程。
Tips：知识库效果不是“上传越多越好”，而是“资料质量、解析质量、切分方式、检索策略、更新维护”共同决定。ADP 把这些环节做成可配置能力，可以持续优化，而不是一次性上传后完全交给模型猜。
2.2 中.1.3 文档
文档是知识库最常见的知识来源，也是最容易上手的部分。ADP 的文档能力覆盖从上传、解析、切分、干预到对比的多个环节，目的是把企业原始资料处理成适合检索的知识片段。下面按照控制台中的顺序展开。
2.2 中.1.3.1 文档导入
在准备知识文档时，应尽量保证标题层级清楚、段落边界明确、表格字段完整、版本信息可识别。这样平台在解析和切分时更容易保留业务语义，后续检索也更容易命中正确内容。
进入知识库文档页后，选择知识管理 > 文档，进入文档管理界面。支持导入文档、下载文档、删除文档及文档分类。可以通过本地文档、网页文件、腾讯文档和腾讯云对象存储（COS）四种方式导入文档。
1.导入本地文档条件：
- 支持 pdf、doc、docx、ppt、mhtml、pptx、wps、ppsx 格式，大小限制：200 MB。
- 支持 keynote、pages 格式，大小限制：50 MB。
- 支持 xlsx、xls、csv、md、txt、html、xmind、json、xml、log、numbers（限制行数3万行、列数180列）格式，大小限制：20 MB。
- 支持导入带文字的图片，包括 jpg、png、jpeg、tiff、bmp、gif 格式，大小限制：50 MB，长宽比不超过1:7。
- 表格文件（ xlsx、xls、csv 格式）最大支持1万行、100列数据，建议一个 sheet 只存放一张表格，表格中出现全空行数据将影响问答效果。
- 支持批量导入文档。
2.网站链接限制：
- 确保所爬取的网页无登录授权验证，即无需验证当前用户身份和授予用户系统访问权限就可访问网页。
- 暂不支持异步加载类型的网站内容爬取。
- 请您确保在法律法规允许的范围内使用本网页解析工具，遵守目标平台管理规范、保障权利人合法权益，您应对此独立承担责任。腾讯云智能体开发平台作为工具提供方不对您的解析或下载行为承担任何责任。
2.2 中.1.3.2 文档切分设置
文档切分指的是系统按照一定规则，将文档内容划分为多个独立的切片。这些切片会被索引并存储在知识库中，是实现 RAG（Retrieval-Augmented Generation，检索增强生成）能力的核心环节。在问答过程中，当用户提出问题时，系统会先从知识库中检索与问题最相关的内容切片，然后将这些切片作为外部知识注入大模型的上下文中，辅助其生成答案。合理的切分大小将直接影响检索和生成的效果：
- 切片过大：可能包含过多无关信息，导致检索精度下降，并增加计算与资源消耗。
- 切片过小：内容不完整，缺乏上下文连贯性，容易造成召回知识片段碎片化，使生成答案不够全面。
因此，平台在产品层面提供了灵活的文档切分规则，支持用户根据业务需求自定义调整规则，以在检索效率与生成质量之间取得最佳平衡，充分发挥 RAG 技术在知识问答与信息检索中的优势。
文档切分的规则支持默认切分规则和自定义切分规则：
- 默认切分规则：产品使用模型能力进行切分，默认切片规则不支持用户干预。
- 自定义切分规则：提供3种切分规则支持用户选择，包括通用标识符切分、父子标识符切分、及按行切分。
| 切分规则及对比 | 默认切分 | 通用标识符切分 | 父子标识符切分 | 按行切分 |
|---|---|---|---|---|
| 适用文档类型 | 产品上支持导入的全部文档类型。 | 支持非表格类的文档，不包括 xlsx、xls、csv。 | 支持非表格类的文档，不包括 xlsx、xls、csv。 | 支持表格类的文档，包括xlsx、xls、csv。 |
| 使用场景 | 适用于对文档切分无特殊要求的场景。 | 适用于对切片有特殊业务要求的场景，如按照页数切分、按照自定义的标识切分。 | 适用于对检索切片和召回切片分别都有特殊要求的场景。支持用户自定义设置切分标识符做切分。 | 对表格文档生效，且每行/每几行数据是独立的、无语义关联性，如商品sku文档。 |
| 切分逻辑 | 基于切分模型实现切分： 支持语义完整性切分。支持跨页表格合并。支持解析表格中的图片信息。支持解析文档中的表格内容，包括有线及无线表格。支持数据图、流程图、架构图、思维导图的解析。支持多栏、公式、子图等复杂元素的解析。 | 支持用户设置标识符、切片最大长度、切片重叠长度以切分文档，切片用于检索和大模型召回使用。 | 父级和子级切片分别支持用户设置标识符、切片最大长度、切片重叠长度。子级切片用于知识检索，检索到对应的父级片段后用于大模型召回 | 支持用户设置表头范围、数据切分起始行以及切分行数。系统将表格文档按照设置的切分行数切分成片段。 |
2.2 中.1.3.3 智能结构化解析
智能结构化解析是指通过使用结构化表改写模型，自动判断用户导入的表格文件是否为结构化形式。如当前您上传的表格源文件并非结构化表，也将通过模型自动判断，可能改写成结构化表，以提升表格问答准确率。
（1）结构化表格
- 核心特征：具有严格的二维关系模型，可直接对应关系型数据库结构。
- 数据特征：
- 行列严格对齐，每个单元格对应唯一行列坐标。
- 单级表头（单行且无合并单元格），列名具有唯一性和明确的语义。
- 无数据嵌套，每个单元格存储原子数据。
- 支持数据库导入导出，支持 SQL 查询。
（2）非结构化表格
- 核心特征：以人类阅读优先的视觉呈现方式破坏了机器可读性
- 结构干扰特征：
- 合并单元格（跨行/跨列/多级合并）
- 动态列结构（如：列数随行位置变化）
- 分页重复表头（每页重复列名）
2.2 中.1.3.4 文档对比任务
文档对比任务适合处理版本变更和内容差异。企业知识库不是静态的，政策会更新，产品手册会迭代，服务口径会调整。文档对比可以帮助识别不同版本之间的变化，判断哪些内容需要替换、哪些知识片段需要重新处理、哪些答案口径可能受到影响。
触发文档对比任务的方式包括自动触发对比和手动触发对比
（1）自动触发对比：当满足以下条件时，由系统自动生成的文档对比任务。
- 文档名称相同：当客户本地上传的文档与文档列表中的文档名称及文档类型相同、文档内容不相同时，新导入文档（即新文档）的导入状态为待发布状态时，会自动触发文档对比。
- 网址来源相同：当客户导入相同网址的文档，新文档导入状态为待发布状态时，会自动触发文档对比。
（2）手动对比：支持客户通过单击文档对比任务 > 单击添加对比任务 > 选择需要进行对比的文档 > 单击开始对比手动添加文档对比任务。从文档列表中选择2个文档（仅支持选择待发布和已发布状态的文档），保存后将生成1条文档对比任务。
2.2 中.1.4 问答
问答类知识是以“问题—答案”形式成对存在的知识。在将相关文档导入腾讯云智能体开发平台后，系统会自动生成对应的问答对。与传统的单纯文档内容分析相比，问答对具有更高的针对性和结构化程度：它能够直接将用户可能提出的问题与准确答案建立对应关系，减少了模型在理解和生成过程中的歧义。
例如，在客服场景下，问答对的优势尤为明显。一方面，它可以覆盖常见问题并快速定位标准答案，从而显著缩短响应时间；另一方面，问答对的结构化特性便于后续维护和扩展，能够随着业务的发展不断完善知识库。
当知识被导入系统后，设定的应用将形成基于问答对的业务知识库，应用可以直接利用该知识库内容对用户问题进行解答，从而实现更高效、更准确的自动化知识服务。
知识库问答应用支持新建问答、批量/手动导入问答、校验问答、问答分类等操作。录入问答之后，当客户输入问题时，会将客户问题和问答库中的问题进行检索匹配，相似度达到一定阈值后，会输出对应回答。
| 能力 | 适用场景 | 能力价值 |
|---|---|---|
| 标准问答 | 高频问题、标准答案、客服口径 | 提高回答一致性，降低模型自由发挥空间 |
| 相似问法 | 用户表达不固定、口语化提问较多 | 扩大召回范围，提高命中率 |
| 答案维护 | 政策或口径经常更新 | 便于快速更新重点问题的标准答案 |
2.2 中.1.5 数据库
数据库是用于存储和管理结构化数据格式文件的系统。将数据库连接至腾讯云智能体开发平台后，可以赋予智能体基于结构化数据进行问答的能力，支持单表查询、多表查询等。
与传统 BI 工具需要依赖专业人员建模、编写 SQL 或配置报表不同，智能体结合数据库的方式能够让业务人员直接通过自然语言进行数据查询与分析。在 Data+AI 场景下，这种方式不仅具备更高的交互灵活性，还能够结合上下文进行多维度探索与分析，从而让数据分析从“专业驱动”转向“业务驱动”，有效提升企业的数据利用效率与决策敏捷度。
