> ## 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.

# 文档知识库

## 节点定位

知识库节点（**Knowledge Base Node**）是 XpertAI 知识流水线中的核心处理环节，负责将经过前序节点（如文档源、文档转换、分块、图像理解等）处理后的内容，正式纳入知识库体系中，并通过嵌入向量化、模型索引和任务跟踪等机制，完成知识数据的持久化与可检索化。

它是整个知识流水线的“落地环节”，决定了知识内容能否被高效存储、快速召回，并支持后续的问答、分析和智能体推理。

## 核心功能

### 1. 知识入库与向量化索引

知识库节点会自动接收来自上游节点输出的结构化文档（包括文本、分块结果、图像识别内容等），并将其嵌入到指定的向量数据库中。
在此过程中，系统会调用已配置的 **嵌入模型（Embedding Model）**，将文档内容转化为语义向量，实现基于语义的相似度检索。

这一步是知识库智能化的关键，使得 AI 能够理解内容间的语义关联，而不仅仅依赖关键词匹配。

### 2. 模型配置与知识库同步

知识库节点与知识库实体深度绑定，节点配置中指定的模型（如嵌入模型、重排序模型、视觉模型）会在流水线发布时自动同步到知识库设置中。

* **嵌入模型（Embedding Model）**：用于生成知识向量。
* **重排序模型（Rerank Model）**：用于提升召回结果的排序精度。
* **视觉模型（Vision Model）**：用于知识库中包含图像内容时的视觉理解与语义增强。

这一设计确保知识流水线编排与知识库行为一致，实现模型配置的自动化与一致性。

### 3. 并发处理与任务监控

在知识嵌入阶段，知识库节点会对多个文档并行处理，并监控每个文档的处理状态（如“处理中”、“已完成”、“错误”、“取消”等）。
系统内置任务跟踪机制（Tasks），可实时记录：

* 文档处理进度（progress）
* 嵌入向量数量与批量进度
* 错误信息与重试状态
* 用户主动取消的任务

通过可视化的统计与日志输出，用户能清晰掌握知识入库的执行情况与资源消耗。

***

### 4. 令牌与资源使用统计

每次文档嵌入时，系统会根据内容长度自动估算 Token 消耗量，并将使用记录同步到对应的模型提供方（Copilot Provider）。
这不仅用于计费管理，也可帮助企业监控模型资源的使用效率，为后续优化提供依据。

***

### 5. 校验与发布

知识库节点在流水线保存时会自动执行配置校验（Validation）：

* 检查输入节点是否配置正确且无重复；
* 校验是否指定嵌入模型及其提供商；
* 验证重排序模型、视觉模型的配置完整性。

只有通过校验的节点才能被发布，确保知识库设置与流水线一致，避免生产环境中出现配置缺失或模型不可用的情况。

## 总结

知识库节点是 XpertAI 知识流水线的“智能入库枢纽”，它不仅完成知识向量化的关键环节，更承载着模型配置同步、任务管理与数据一致性维护等职责。
通过这一节点，XpertAI 实现了从“文档数据”到“智能知识”的关键飞跃，为企业级知识管理和多智能体协作提供了高效、可控、可追踪的基础设施。