知识库概览

XpertAI 知识库将企业文档、网页和业务资料转化为可供数字专家与工作流使用的可信知识。系统负责内容解析、分块、向量化、结构化过滤、召回和引用，让 Agent 的回答建立在可追溯的原始资料上。 知识库既可以作为 Agent 自主调用的工具，也可以作为工作流中的明确检索步骤。一个知识库可以服务多个专业场景，并通过每个 Agent—知识库绑定上的固定条件和 Agent 动态条件控制实际检索范围。

​

核心能力

​

从文档到回答

1. 接入内容：上传文件、抓取网页，或通过知识流水线连接业务文档源。
2. 解析与分块：提取文本、清洗内容，并生成适合检索的文档分块。
3. 嵌入与索引：使用配置的嵌入模型将分块转换为向量并写入向量数据库。
4. 限定候选范围：应用权限边界、启用状态、固定条件和 Agent 动态条件。
5. 按需探索关系：知识库启用 GraphRAG 时，Agent 可先发现实体和关系，再组织最终检索词。
6. 语义排序：对范围内分块进行向量相似度排序，并应用 TopK 与相似度阈值。
7. 生成与引用：将命中内容交给下游模型，生成回答并保留可追溯的文档来源。

​

PDF 处理与原文联动

对于扫描件、工程图文手册、合同和复杂表格 PDF，XpertAI 可以通过百度 PaddleOCR‑VL 文档转换器保存分页版式、表格、图片、坐标和来源映射。处理完成后，文档详情提供双栏解析预览：左侧显示原始 PDF 与版式边界，右侧显示 Markdown、结构、表格、图片和 JSON；滚动、页码和解析块选择可以双向联动。 百度 Unlimited‑OCR 面向长文档 Markdown 解析；MinerU 同时支持官方精准解析 API 和自托管服务，可配置 OCR、公式、表格以及 VLM/pipeline 模型；Pdfium “PDF 转 Markdown”工具则供 Agent 临时处理任务附件。不同能力的适用位置和配置方式参阅PDF 处理与解析联动预览。

​

智能过滤：让一个知识库服务多个领域

当工程、水利、物流等资料保存在同一个知识库时，仅在全库做语义匹配容易召回相似但不适用的内容。XpertAI 可以在向量检索前先应用结构化条件：

• 管理员配置固定过滤条件，定义 Agent 不可修改的领域、项目、目录或文档状态边界；
• 开启允许 Agent 自动过滤后，Agent 可以从问题中识别年份、文件格式、地区或关键词，并生成临时条件；
• 两类条件始终按 AND 合并，Agent 只能缩小范围，不能绕过固定边界；
• Agent 无法判断时不添加动态条件，仍然受固定条件约束。

例如，管理员将报价 Agent 固定到“水利 + 有效文档”，用户再询问“2025 年 PDF 定额”时，Agent 可以附加 文件扩展名 = pdf、生效年份 = 2025 和 文件名包含定额。 详细字段、操作符、配置步骤和支持范围请参阅智能过滤检索。

​

文档与元数据管理

XpertAI 自动维护以下系统属性：

• 文件名和知识库逻辑文件夹路径；
• 文件扩展名与 MIME 类型；
• 文档类别和来源类型；
• 创建时间与更新时间。

团队还可以通过 metadata schema 定义业务字段，并在上传、单文档编辑、分块编辑或批量维护时录入类型正确的值。文档级字段适用于整份文档，分块级字段用于区分同一文档中的不同章节或内容类别。 文件重命名、移动或 metadata 更新会同步更新检索属性，但不会重新生成向量，因此日常分类维护可以更快生效。参阅维护文档。

​

检索方式

参阅使用知识库的方式和知识库 Workbench。

​

测试与可观测性

召回测试用于在发布前验证查询、过滤条件、TopK 和相似度阈值。调试视图可以区分固定条件、测试条件和 Agent 动态条件，并展示最终条件、候选文档数、候选分块数、命中数、后端和耗时。 检索日志沿用知识库访问权限，不记录文档正文。普通 Agent 回答默认只展示答案和引用，不向最终用户展示内部过滤策略。参阅召回测试。

​

当前支持范围

智能过滤支持 Vector、Graph 和 Hybrid。向量分支正式支持 PGVector 和 Milvus，Milvus Server 需要 2.6.2 或更高版本。Graph 会过滤种子实体资格、关系扩展和证据分块；Hybrid 在合并前过滤两个分支，图谱失败时也只能回退到已过滤的 Vector 分支。Chroma 和 Weaviate 对新的向量过滤条件仍会明确报错，不会静默退化为全库搜索。

​

推荐阅读顺序

1. 维护文档与元数据
2. PDF 处理与解析联动预览
3. 构建和使用知识图谱与 GraphRAG
4. 智能过滤检索
5. 召回测试
6. 使用知识库的方式
7. 通过知识流水线创建知识库