在 XpertAI 知识库 中，内置了强大的 召回测试功能，用于模拟真实用户查询场景，通过输入关键词或问题来检验知识库的召回质量。 系统会自动调用已索引的内容区块，并根据相似度分值进行排序。一般而言，问题与内容块的匹配度越高，AI 模型输出的答案就越接近原始文档语义，体现出更优的“知识召回”效果。 你可以自由切换不同的检索方式与参数配置，以直观地评估召回结果的相关性与覆盖度。 XpertAI 当前的知识库采用 统一的分块树状结构（Chunk Tree Structure），因此所有测试均基于父子层级的语义召回逻辑。Documentation Index
Fetch the complete documentation index at: https://docs.xpertai.cn/llms.txt
Use this file to discover all available pages before exploring further.
通用测试模式
在 源文本输入框 中输入常见用户问题或关键词后，点击 测试 按钮，即可在右侧的 召回结果区 中查看匹配的内容区块。- 每个内容块右上角显示相似度得分，表示问题与该区块的匹配程度。
- 得分越高，说明该区块与问题语义的相关度越强。
- 点击内容块可查看详细内容及其在文档中的来源。
父子结构测试模式
XpertAI 的知识库统一使用 树状分块结构，子块在召回时会带出其父块上下文，为 AI 模型提供更完整的语义信息。 在测试过程中：- 用户输入问题后，系统会首先匹配最相关的子分块；
- 然后自动回溯其父分块，整合上下文进行展示；
- 匹配得分显示在右上角，用于衡量命中片段与问题的匹配程度。
查询记录与应用调用
在 记录 面板中，可以查看召回测试的历史查询记录。 如果该知识库已被绑定至数字专家或其他 AI 应用中，应用内部触发的知识库查询也会在此同步展示，便于统一追踪召回日志与效果。调整文本检索方式
点击输入框右上角的 检索配置图标，即可切换当前知识库的检索方式及参数。 修改后的设置仅在当前召回测试中生效，方便开发者对比不同检索策略的效果。 若要全局修改，请前往 “知识库设置 > 检索设置” 进行保存。召回测试建议步骤
- 准备测试集：设计覆盖常见用户问题的测试问题集，确保场景多样。
- 选择检索策略：根据内容特点与应用场景（如是否为问答类、多语言语料等）选择合适的检索模式。
- 调优参数：通过调整召回数量（TopK）和相似度阈值（Score），平衡召回的相关性与完整性。
TopK 与 Score 参数说明
-
TopK：表示按相似度分数倒序时召回的最大内容块数量。
- 值较小：召回更精简，但可能遗漏部分相关片段。
- 值较大：召回更全面，但可能包含低相关片段，影响最终回答质量。
-
Score（召回阈值）：设定允许召回的最低相似度分数。
- 值较低：召回更宽松，包含更多低相关内容。
- 值较高：召回更严格，仅保留高相关分段，但可能错过边缘性信息。
✅ 小结 XpertAI 的召回测试不仅是验证知识库构建质量的关键工具，更是优化知识流水线、提升 AI 应答准确度的重要手段。 借助召回日志、父子层级结构与检索参数调优，团队可以以可视化、可验证的方式不断迭代知识库质量，让每一次回答更贴近真实业务语义。