界面状态说明
进入知识流水线编排界面时，你会看到：- 标签页状态：Documents（文档）、Retrieval Test（召回测试）和 Settings（设置）标签页处于灰色不可用状态。
- 前置要求：需完成知识流水线的配置、调试与发布后，才能上传文件并进行召回测试。
知识流水线总体流程
在正式配置前，我们先理解知识流水线中数据的流转过程：
- 数据源配置：导入原始内容（本地文件、Notion、网页、网盘等）。
- 文档转换节点：将原始文件转换为标准化结构数据（支持文本与图片提取）。
- 分块处理节点：对结构化内容进行智能分块，生成适合索引的内容片段。
- 知识库节点：定义树状结构与索引策略。
- 触发器节点配置：设定输入参数，以便触发流水线运行。
- 测试与发布：验证处理流程后正式启用知识库。
步骤一：数据源配置
在 XpertAI 中，你可以同时选择多个数据源进行知识提取。每个数据源都可独立配置参数，支持本地上传、在线文档和网页爬取等形式。 目前支持的数据源包括：- 本地文件上传
- 在线文档（如 Notion）
- 在线网盘（Google Drive、Dropbox、OneDrive）
- 网页爬虫（Firecrawl 等）
更多数据源可通过 XpertAI 插件市场（Plugin Marketplace）获取。
步骤二：配置数据处理节点
数据处理节点是知识流水线的核心。它负责将原始文件解析、转换、清洗并分块，形成结构化语义单元。 XpertAI 的数据处理分为两大部分：文档转换器（Document Transformer） 与 分块器（Chunker）。文档转换器 (Document Transformer)
文档转换器负责将 PDF、Word、Excel 等多种格式文件转化为可供模型理解的结构化内容。 它支持图片、表格、文本等多模态内容的抽取，是知识流中的“第一道工序”。 你可以选择 XpertAI 内置转换器 或 插件市场（Marketplace） 中的其他转换器（如 Unstructured、MinerU 等）。特点
- 支持多格式输入（PDF、DOCX、XLSX、PPTX、TXT、Markdown 等）；
- 自动提取图片并生成可用的 URL；
- 支持异步任务和批量转换；
- 支持 OCR 与结构化表格抽取。
分块器 (Chunker)
文档经过转换后，仍然过于庞大，无法直接用于向量化与检索。分块器将内容拆解为语义完整的小块（Chunk），以便后续索引与召回。 XpertAI 提供多种分块策略，包括：通用分块器
配置项说明
输入输出
父子分块器
父子分块器生成了 Tree 结构的分块树（Parent-Child Tree），这是 XpertAI 独创的分块体系，统一管理父子块之间的层级关系。 与传统的“分段结构（Chunk Structure）”不同，XpertAI 采用树状结构存储分块，支持任意层级的溯源与聚合。 特点- 自动维护上下文关联；
- 支持父块语义检索与子块精准匹配；
- 可扩展为混合图谱（Graph Structure）。
问答处理器 (Q&A Processor) — 开发中
问答处理器融合了提取与分块功能，用于从 CSV 或 Excel 中抽取问答对（Question / Answer）。 该节点目前处于开发阶段，将支持结构化问答型知识的批量处理。步骤三：配置知识库节点
知识库节点是流水线的终点，负责构建可检索的知识索引结构。 XpertAI 的知识库采用 树状分块结构（Tree Structure） 管理分块层级，每个节点（Chunk）都可关联向量、图片、来源信息及上下文节点。核心特性
步骤四：配置触发器节点（用户输入参数）
在 XpertAI 中，用户输入参数通过 触发器节点（Trigger Node） 来实现。 触发器节点允许你定义流水线运行的输入参数（如上传文件、URL、分隔符、自定义变量等），这些参数将在运行时注入到上游节点。 优势- 统一参数管理；
- 与其他节点自动绑定；
- 可视化配置与默认值支持。