目录
[3.5.1 创建知识库](#3.5.1 创建知识库)
[3.5.2 使用工作流构建知识库应用](#3.5.2 使用工作流构建知识库应用)
[3.5.3 基于知识库进行问答](#3.5.3 基于知识库进行问答)
本节将使用知识库来构建一个简单的智能客服，步骤包括创建知识库、在智能客服工作流中使用知识库，以及基于知识库进行智能问答。
3.5.1 创建知识库
创建知识库的过程很简单，首先梳理产品手册文档内容，然后将其上传到知识库中，最后将知识库配置到智能体中，让智能体可以调用这个知识库的内容作为回复。当用户咨询有关产品知识的问题时，Agent就会根据知识库的内容进行回答。传统的机器人客服只能硬套FAQ，不懂变通。智能客服根据RAG知识库和大模型的能力优化了回答的方式，避免了胡编乱造，并且还融合了智能体本身的人设和目标进行回答，感觉更像真人客服，不是呆板的机器人。
在创建知识库时，我们需要注意RAG技术检索分析数据的特点。我们上传一份文件到知识库，这份文件并不是单纯地存储，而是将内容进行分块并进行向量化，向量化后的内容更有助于AI检索信息，提升了AI回答内容的关联性。
首先，我们准备一个文件名为"ZBH5120TXSSHABEV(B3Z190)纯电洗扫车产品说明书"的PDF文件，作为产品知识库内容。该PDF说明书的内容如图3-6所示，是图表混合的格式。
图3-6 纯电洗扫车产品说明书
登录FastGPT平台，如图3-7所示，在其左侧页面可以看到知识库的入口"知识库"，单击一下，打开知识库的管理界面，当前没有添加任何知识库，所以还是空的。我们单击右上角的"+新建"按钮，在弹出的菜单界面上选择"通用知识库"，将打开"创建一个通用知识库"对话框。
图3-7 知识库管理界面
如图3-8所示，给知识库取个名字为"产品知识库"，索引模型默认选择embedding-3，这里索引模型就是向量模型，把自然语言转换成向量；如果后续更改这个模型，则整个知识库都需要重新向量化。
|------------------------------------------------------------------------------------------|
| 
图3-8 知识库的配置信息 |
本项目中，索引模型也可以选择阿里通义千问的text-embedding-v3，向量化的效果也是没问题的。文本理解模型是用来增强索引的，这里选择阿里通义千问的qwen-plus-latest，简单来说，文本理解模型解决的是理解文档内容的问题。图片理解模型选择火山引擎的豆包视觉模型Doubao-vision-pro-32k。单击"确认创建"按钮创建知识库。
双击打开刚才创建的产品知识库，如图3-9所示，页面上的数据集就是对知识库中的数据进行管理的地方，页面右侧可以对知识库的基本信息进行修改配置等，如知识库名称、索引模型、文本理解模型等。
我们需要向知识库中导入一些资料，单击右上角的"新建/导入"按钮，可以看到有4个子选项："文件夹""手动数据集""文本数据集"与"表格数据集"。其中，"文件夹"用来模拟目录层级管理，如果你的文件分了多个子类，那么每个子类就可以创建一个文件夹，这样后期查找时比较方便。"手动数据集"用来手动向知识库中插入一些数据。"文本数据集"用来导入各种文件。"表格数据集"则是要按照表格模板（只能有两列，一列是index，可以当作问题，另一列是content，可以当作答案，以问答对形式，每一行就是一个问答对）上传CSV文件。 我们这里导入一个已经准备好的PDF文档，所以选择"文本数据集"。
进入"选择来源"对话框，如图3-10所示。可以看到，数据来源分成三大类，分别是本地文件、网页链接、自定义文本，我们选第一类"本地文件"，进入文件上传页面。
图3-9 导入文本数据集
图3-10 选择上传本地文件
如图3-11所示，FastGTP把文件上传分为4步，第1步是选择文件，第2步是参数设置，第3步是数据预览，第4步是确认上传。第1步，我们选一个本地准备好的纯电洗扫车产品说明书PDF文件来上传。
图3-11 选择文件
第2步是对文本数据进行参数配置，如图3-12所示。勾选"PDF增强解析"复选框，方便我们调用PDF识别模型进行解析。数据处理方式选择"直接分块"，将文本按照一定规则分段处理后，转换成可以进行语义搜索的格式，这个选项适合绝大多数场景。而"问答对提取"是把拆分出来的文本段"喂"给大模型，让其生成QA问答对。勾选"自动生成补充索引"和"图片自动索引"复选框，主要目的是进行索引增强，提高检索的精度。接下来单击"下一步"按钮。
图3-12 参数设置
第3步是打开如图3-13所示的对话框，单击左侧文件名进行分块预览，显示"共133个分块，最多展示10个"。
图3-13 数据预览
我们单击"下一步"按钮，来到第4步"确认上传"步骤，如图3-14所示。这一步其实是触发文件处理的流程，只要单击"开始上传"按钮，FastGPT就会对我们上传的文件进行分割，分割后进行QA对的生成，然后进行索引，最后保存到数据库中。这个过程中拆分出来了很多子任务，会进入一个训练队列，当队列中的任务全部处理完后，这个文件也就完成了导入知识库的全部流程。
图3-14 确认开始上传
单击"开始上传"按钮后，我们需要等待数据处理完成，如图3-15所示。等到我们上传的文件状态变为"已就绪"，标识数据集处理并索引完成。这样一个知识库就创建完成了，后续可以继续添加数据集来完善这个知识库。
图3-15 文件状态"已就绪"
3.5.2 使用工作流构建知识库应用
接下来创建一个工作流，用来搭建在线智能客服。工作流可以理解为：通过选择不同的节点把任务拆解为多个步骤，让智能体按照预设工作流程对任务进行分步处理，从而提升对复杂任务的处理效率。通过上面的操作，我们已经建立了一个知识库，并且把一个文件导入进去了，但还是没有与其进行交互的正式入口。接下来我们通过创建工作流来创建一个与知识库进行对话的入口。
如图3-16所示，单击左侧的工作台按钮，再单击右上角的"+新建"按钮，从弹出的菜单中选择"工作流"，打开"创建工作流"对话框。工作流可以自定义各种流程，自由度比较高，而且基于工作流来构建FastGPT应用也是主要的方向，所以我们选择工作流类型。要完成逻辑复杂的AI应用，简易应用一定是不够用的，这时就需要使用工作流。
图3-16 工作台新建工作流
如图3-17所示，在"创建工作流"对话框中创建一个工作流，工作流名为"产品小助手"，有模板可供选择，模板中预制了一些功能，本案例选择空白模板创建工作流。
图3-17 从模板创建工作流
"产品小助手"工作流编排界面如图3-18所示，空白工作流创建完成后，编排界面上只有"系统配置"和"流程开始"两个节点。通过左侧的"+"按钮可以向工作流添加功能节点，例如我们要实现一个根据知识库搜索进行智能回复的工作流，那么需要添加一个"知识库搜索"和 一个"AI对话"功能节点，分别单击这两个插件，它们就进入工作流编排界面中了。当完成工作流编排后，可以单击右上方的"运行"按钮进行工作流测试，单击"保存"按钮进行保存和发布。
图3-18 工作流编排界面
如图3-19所示，在"知识库搜索"节点，单击其中的"选择"按钮，选中我们之前创建的产品知识库，在搜索参数设置中，搜索方式选择"混合检索"，关闭问题优化开关，引用上限调整大一些。知识库搜索需要知道用户的问题是什么，所以在其用户问题配置项下，我们选择"流程开始→用户问题"，就可以把用户的问题导入进来。知识库搜索节点的功能很特殊，因为它的输出是知识库索引，不是普通的数据，"AI对话"节点的功能是接收知识库索引。
图3-19 知识库搜索节点配置（左图为上半部分，右图为下半部分）
接下来配置一下"AI对话"节点，如图3-20所示。AI模型是对话需要用到的大模型，这里选择Doubao-pro-128k，提示词编写为"根据表述输出图片，输出图片采用markdown格式规定。只输出图片，内容其他问题以文字内容输出。"，聊天记录用默认的6条就可以。"AI对话"节点用来接收知识库索引，知识库引用选择"知识库搜索→知识库引用"，用户问题选择"流程开始→用户问题"。
现在，我们就有了一个可以基于知识库进行对话的应用了，如图3-21所示，将"流程开始"节点链接到"知识库搜索"节点，再链接到"AI对话"节点，这样就完成了一个简单的智能回复流程。用户提问时，先在知识库进行搜索，然后将搜索结果和问题一起传给AI对话节点，AI对话节点根据知识库结果整理出合适的回复内容给用户。
图3-20 "AI对话"节点配置
图3-21 工作流整体编排
3.5.3 基于知识库进行问答
我们已经有了一个基于知识库的工作流，为了验证配置是否正常，我们可以单击右上角的"运行"按钮，对当前的工作流编排进行测试。如图3-22所示，问一个问题"总开关在哪儿"，可以看到应用正常返回知识库中的内容，并且在回复的底部显示了引用的文档、引用的条数、上下文、用时和流程处理详情，说明我们的应用配置没有问题。
如果要让其他人可以访问我们的产品小助手应用，则可以使用FastGPT提供的"发布渠道"功能，如图3-23所示，选择"免登录窗口"类型，单击"创建新链接"按钮，打开"创建链接"对话框，给发布出去的应用取个名字叫"产品小助手"，并单击"确认"按钮生成一个链接。
图3-22 工作流测试
图3-23 创建链接
单击"开始使用"按钮，打开"选择使用方式"对话框，如图3-24所示，单击右下角的复制图标按钮，即可复制生成的链接，并分享给其他人。
图3-24 选择使用方式
注意，在"选择使用方式"对话框中，提供了3种使用方式：URL链接的方式、iframe方式、script标签引入的方式，我们这里选择的是第1种。
在浏览器中打开上面复制出来的URL地址，如图3-25所示，就可以看到分享出来的应用。接下来问一个问题"吸嘴结构是怎样的"，可以看到已经能够得到准确的答案了。
图3-25 产品小助手应用
综上所述，通过上面的操作，我们已经构建起了一个企业级的知识库，并且可以分享给其他人使用，整个过程不过就是点几下鼠标、输入几个文字而已。虽然上面的流程对于初次接触的人来说，可能比较复杂，但熟悉了之后，构建起来都是分钟级的事情。
