本文深入讲解了如何利用扣子（Coze）平台的知识库功能，为大模型注入私有数据，解决其对企业或个人私有信息不了解的局限。文章详细演示了知识库的创建流程，包括选择导入类型、设置分段策略（如以换行符分段、设置最大长度和重叠度）以及数据处理，确保文档能够被有效切分和索引。随后，文章展示了如何构建一个包含“知识库检索”和“大模型”节点的工作流，以实现智能问答。通过引用用户输入进行语义或全文搜索，再由大模型进行流畅的语言组织，最终为用户提供高质量的回答，有效增强了大模型的知识广度和深度。

🧠 知识库增强大模型能力：大模型训练数据有限，无法触及私有或企业内部的专有信息，引入知识库能够通过私有数据对大模型进行知识增强，使其能够理解并回答与这些私有数据相关的问题。

📄 知识库创建与分段策略：在扣子（Coze）中创建知识库，需选择导入类型并设置关键的分段策略。例如，可选择“换行符”作为分段标识符，将文档按行切分；“分段最大长度”设为800字符，确保信息块的适度；“分段重叠度”设为10%，以提高检索准确性。

⚙️ 工作流构建实现智能问答：通过构建工作流，将用户输入传递给“知识库检索”节点，该节点可根据“语义”、“全文”或“混合”策略从目标知识库中查找相关信息。随后，“大模型”节点将检索到的文本片段整合，生成流畅自然的回答，提升用户体验。

💡 灵活的搜索策略：知识库检索提供多种搜索策略，包括“语义”搜索（基于词语的含义关联性）和“全文”搜索（直接匹配文本内容），以及“混合”模式（结合两者），用户可根据具体需求选择最适合的策略以优化信息检索的精准度。

大家好，我是吾鳴。专注于分享提升工作与生活效率的工具，无偿分享AI领域相关的精选报告，持续关注AI的前沿动向。

前面吾鳴介绍了一些扣子（Coze）的基本知识，像扣子是什么，能做什么等的介绍，还有一些常用的工作流知识点的总结以及实操，文章列表如下：

扣子（Coze）基础：扣子入门教程——初识扣子扣子（Coze）基础：扣子入门教程——工作流常用知识点介绍扣子（Coze）基础：实战一个新闻查找智能体，完整步骤拆解

今天吾鳴要基于一个考公注意事项的智能体，给大家讲解一下扣子（Coze）知识库的使用。

为什么需要有知识库？ 因为大模型训练的数据是有限的，它只能爬取到公网上的一些公开的数据来做训练，对于一些企业或者是个人的私有数据，它是不懂的。比如公司里面的机密文档、个人的健康报告等。所以需要用到知识库来对大模型的知识做增强，让它能够使用到公司内部的数据来做知识增强回答提问者的问题。

先演示下效果：

知识库创建

登录扣子工作空间 -> 资源库 -> +资源 -> 知识库 -> 创建扣子知识库

选择知识库类型 -> 输入名称 -> 选择导入类型 -> 创建并导入

导入提前整理的考公注意事项的文件

分段策略设置，选择"自定义"，"分段标识符"选择换行，"分段最大长度"填800，"分段重叠度%" 填10。

“分段标识符”：怎么把文档切分成以段为单位的分隔符，在我们这个例子中是“换行符”，一行一段。“分段最大长度”：一段最多是包含多少个字符，这个选默认的就行“分段重叠度%”：段和段直接字符重复的百分比，主要是影响文档检索的准确度

分段预览，可以查看到文档切分是否正确，不正确可对分段策略进行调整或者是手动修改文本。

下一步，数据处理，知识库就创建完成了

创建工作流

完整流程图

开始

“input”：工作流的输入

知识库检索

Query：引用“开始”节点输入知识来源：选择“扣子知识库”目标知识库：选择我们上面创建的知识库搜索策略：

语义：根据输入与文档的语义相关性查找文档，比如马斯克和特斯拉是有语义关系的，但是和草泥马是没有语义关系的。全文：就是文档里面是否包含输入混合：上面两种策略搭配使用

大模型

为什么需要大模型？因为检索处理的都是一段一段的文本，需要大模型把它们整理成流畅的语言反馈给用户，让用户觉得有人在跟他对话一般。

结束

创建智能体

今天先分享到这里，如果觉得文章有用，记得一键三连哟，你们的支持就是我不断输出的动力！！！

案例用到的测试数据，工作流源码等我都已经打包好，感兴趣可以到 吾鳴资源站 中下载。