开源版 Coze 知识库（RAG）创建与使用指南

💡 提示：此时知识库为空，需上传文件。

步骤 3：上传文档

1. 在知识库详情页，点击 '上传文件'
2. 选择本地文件（支持多选）
   • 示例文件：erp_manual_v3.pdf
3. 点击 '开始上传'

⏱️ 处理时间：10 页 PDF ≈ 10–30 秒系统会自动：提取文本按 512 字符分段调用 BGE 模型生成向量存入 Elasticsearch

4. 上传完成后，页面显示文件列表和状态（'已处理'）

✅ 验证：可点击文件名预览提取后的纯文本内容。

步骤 4：将知识库绑定到智能体（Bot）

1. 进入 'Bot 列表'，编辑或新建一个 Bot
2. 在 Bot 编辑页，切换到 '知识库' 标签
3. 勾选刚创建的 'ERP 用户手册'
4. （可选）在 '人设与回复逻辑' 中强化提示词：

你是一个 ERP 系统专家。请优先依据'ERP 用户手册'中的内容回答问题。如果知识库中没有相关信息，请明确告知'未在文档中找到相关内容'，不要编造答案。

5. 点击 '发布'

四、测试 RAG 效果

在 Bot 聊天窗口提问：

如何在 ERP 系统中创建采购订单？

预期行为：

• Coze 会自动从知识库中检索相关段落
• 将检索结果作为上下文注入 LLM 提示词
• 生成基于文档的答案

🔍 调试技巧：
若回答不准确，可检查：文档是否包含关键词'采购订单'PDF 是否为可复制文字（非图片扫描）问题表述是否与文档措辞接近（中文语义匹配依赖 BGE 模型效果）

五、技术原理简析（基于源码）

1. 文本分段
   • 位置：backend/chunking/
   • 策略：固定长度 512 字符，无重叠
   • 无配置接口（硬编码）
2. 嵌入模型
   • 模型：BAAI/bge-small-zh-v1.5（中文优化）
   • 加载方式：首次使用时自动从 Hugging Face 下载（需联网）
   • 存储路径：Docker 卷 coze-models
3. 向量存储
   • 引擎：Elasticsearch 8.x
   • 索引名：kb_{knowledge_base_id}
   • 字段：content（原文）、embedding（向量）

📌 注意：若首次启动时网络受限，BGE 模型下载失败会导致知识库无法使用。

六、常见问题与解决

Q1：上传 PDF 后内容为空？

原因：PDF 是扫描图像，无内嵌文字。
解决：使用 OCR 工具（如 Adobe Acrobat）转为可搜索 PDF，或先转为 .txt。

Q2：知识库检索不到相关内容？

排查步骤：点击文件预览，确认文本提取成功尝试更精确的关键词（如文档中的原句）检查 Elasticsearch 是否运行：curl http://localhost:9200

Q3：能否更新或删除文档？

✅ 支持：删除：在知识库文件列表点击'删除'更新：先删除旧文件，再上传新版本⚠️ 更新后需等待几秒重建索引。

Q4：知识库数据存储在哪里？

原始文件：docker/volumes/minio/data/...向量索引：Elasticsearch 容器内（持久化卷 es-data）

七、最佳实践建议

1. 文档预处理
   • 将大文档拆分为小章节（如每章一个 PDF），提升检索精度
   • 避免使用表格密集型文档（Coze 当前不保留表格结构）
2. 定期维护
   • 文档更新后及时替换
   • 避免上传无关内容（会增加噪声）

提示词优化
明确指示 Bot 依赖知识库，例如：

'请严格根据提供的《ERP 用户手册》回答，不要推测。'

[此处为界面截图]

八、总结

开源版 Coze 的知识库（RAG）功能虽处于早期阶段，但已能满足基础的企业私有知识问答需求。其优势在于：

• 开箱即用：无需编写代码
• 中文优化：BGE 模型对中文语义理解较好
• 全栈本地化：数据不出内网

适用于：

• 产品手册问答机器人
• 内部制度查询助手
• 技术文档智能检索

🔜 未来期待：可配置分块策略、支持更多格式、元数据过滤等高级功能。

附：官方资源

• 知识库文档：https://docs.coze.cn/opensource/knowledge-base
• GitHub 源码（chunking 模块）：https://github.com/coze-dev/coze-studio/tree/main/backend/chunking
• BGE 模型介绍：https://huggingface.co/BAAI/bge-small-zh-v1.5