什么是文本格式知识库？
文本格式知识库是百数知识库四类里最常用的一种，专门存放纯文档类资料：操作手册、管理制度、产品说明、FAQ、Markdown、PDF 等。上传后系统自动做文本分段和向量化，智能体被问到相关问题时，按语义检索原文片段来回答，是 RAG 落地的主力类型。
什么时候选文本知识库，而不是其他类型？
| 资料长什么样 | 该选哪种知识库 |
|---|---|
| 大段文字：手册、制度、FAQ、说明文档 | 文本格式（本篇） |
| 行列表格：价格表、参数表、台账 | 表格格式（支持 NL2SQL 查行） |
| 截图、拍照件、扫描件 | 照片格式（走 OCR） |
| 已经在百数表单里跑的业务数据 | 表单格式 |
功能说明
文本格式适用于各类文档资料，例如操作手册、管理制度、说明文档、Markdown、PDF 等，支持上传 PDF、TXT、MD、Word 等文本类文件。系统会自动完成文本分段与向量化处理，支持长篇资料检索，智能体可直接调取原文内容，是最常用的知识库类型。
创建流程
创建完 文本格式 的知识库后，进入知识库详情页，添加内容。
支持2种方式：本地文档和自定义。
两种添加方式怎么选？
| 对比项 | 本地文档 | 自定义（在线填写） |
|---|---|---|
| 数据来源 | PDF/TXT/DOCX/MD 文件 | 直接在网页里粘贴/输入文字 |
| 适合场景 | 已有成型文档、批量上传手册 | 几条 FAQ、临时小知识、快速测试效果 |
| 单条规模 | 大，最多 300 文件 / 单文件 100MB | 小，适合几百到几千字的片段 |
| 维护成本 | 改文档后重新上传 | 直接在线改 |
本地文档方式
是将电脑本地文档导入知识库。
创建步骤如下：
1）上传文件，支持 PDF、TXT、DOCX、MD，最多可上传 300 个文件，每个文件不超过 100MB，PDF 最多 500 页。
2）创建设置：
- 文档解析策略 ：文档解析策略用于控制上传文档时的内容提取规则，定义系统如何识别文档内各类元素。精准解析模式可提取文档中的图片、表格等内容；也可按需开启扫描件 OCR 识别，同时支持配置内容过滤，剔除页眉、页脚等无效信息。
- 分段策略 ：分段策略就是把长文档切成一段一段的文本切片，保证每一段内容意思完整，这样智能体检索的时候，更容易找到匹配内容。你可以选择系统自动切分清洗，也可以自己设置分段规则。
- 自动分段与清洗：系统按内置规则自动切分文本，并清理多余空行、无效符号等噪声内容，普通文档直接选用即可。
- 自定义：手动配置分段长度、分隔符与清洗规则，针对业务手册、技术文档等特殊材料精细化调整。
3）分段预览：用于查看文档经过文档解析、分段策略处理后切分出来的文本切片。可以直观校验切片效果，检查是否存在内容截断、语义断裂、乱码、冗余内容等问题。如果分段效果不佳，可返回修改分段策略或文档解析规则，重新处理文档，避免后续智能体检索匹配不准。
4）数据处理：系统按照预设分段规则解析文档，完成文本切片与向量化，处理完毕后文档才存入知识库，可供智能体检索调用。
5）内容预览：用于查看文档经过分段、清洗之后的切片结果。可以直观核对文本拆分效果，检查是否存在内容丢失、分段不合理、乱码等问题，提前发现并优化知识库素材，避免后续智能体检索匹配异常。
自定义方式
内容页面填写，创建步骤如下：
1）文本填写：填写文档内容和文档内容。
自定义方式特别适合：
-
临时验证效果：先粘贴几条 FAQ 试试智能体答得准不准，不用真的上传大文件；
-
零散小知识：一条常见问题、一段口径话术；
-
多轮迭代：在线改完立刻重新处理，比来回传文件快。
2）创建设置：
分段策略就是把长文档切成一段一段的文本切片，保证每一段内容意思完整，这样智能体检索的时候，更容易找到匹配内容。你可以选择系统自动切分清洗，也可以自己设置分段规则。
- 自动分段与清洗：系统按内置规则自动切分文本，并清理多余空行、无效符号等噪声内容，普通文档直接选用即可。
- 自定义：手动配置分段长度、分隔符与清洗规则，针对业务手册、技术文档等特殊材料精细化调整。
3）数据处理：系统按照预设分段规则解析文档，完成文本切片与向量化，处理完毕后文档才存入知识库，可供智能体检索调用。
4）内容预览：用于查看文档经过分段、清洗之后的切片结果。可以直观核对文本拆分效果，检查是否存在内容丢失、分段不合理、乱码等问题，提前发现并优化知识库素材，避免后续智能体检索匹配异常。
常见问题 FAQ
Q1：文本知识库支持哪些格式？最多传多少？
A：支持 PDF / TXT / DOCX / MD；最多 300 个文件，单文件 ≤100MB，PDF ≤500 页。扫描版 PDF 记得在解析策略里开 OCR。
Q2：自动分段和自定义分段什么时候用哪个？
A：普通文档直接用自动分段+清洗，省心；业务手册、技术文档、结构特殊的材料用自定义，手动调分段长度和分隔符。改完一定看分段预览。
Q3：分段预览里发现内容被切散了怎么办？
A：回去调分段长度（调大）或指定分隔符（如按标题、按句号切），重新处理后再看预览，直到一个完整知识点落在同一片里。
Q4：本地文档和自定义内容能混在一个文本知识库里吗？
A：可以。两者都进入同一个知识库，系统统一切片和向量化，检索时一起参与召回。
Q5：为什么要有「分段预览」和「内容预览」两步？
A：分段预览看切片切得对不对（结构层）；内容预览看清洗后最终长什么样（效果层）。两道都过，入库后召回才稳。
Q6：文档里的表格、图片能被检索到吗？
A：开启精准解析模式后可以提取文档中的表格和图片内容；纯图片里的文字需另开 OCR。
上线前检查清单
□ 资料确实是文档类，没有误传表格/截图？
□ 扫描件是否开了 OCR？
□ 分段预览里切片是否语义完整、无截断？
□ 内容预览里是否无乱码、无页眉页脚等噪声？
□ 大文件是否控制在 100MB / PDF 500 页以内？
核心概念术语表
| 术语 | 一句话解释 |
|---|---|
| 文本知识库 | 存放手册/制度/FAQ 等纯文档资料的知识库类型 |
| 本地文档导入 | 从本地上传 PDF/TXT/DOCX/MD 文件入库 |
| 自定义录入 | 直接在网页粘贴文字，适合小片段和快速测试 |
| 文档解析策略 | 控制如何从文件里提取文字、表格、图片 |
| 精准解析 | 可识别文档内表格和图片的解析模式 |
| OCR | 把扫描件/图片里的文字识别成可检索文本 |
| 分段策略 | 把长文档切成一段段的规则 |
| 自动分段清洗 | 系统自动切分并清理空行、噪声，适合普通文档 |
| 分段预览 | 切片后的检查视图，确认没有切散语义 |
| 向量化 | 把文本转成向量，供语义检索使用 |
| 内容预览 | 清洗后最终入库内容的检查视图 |
元信息
适用产品：百数AI 知识库 / 文本格式｜支持格式 PDF/TXT/DOCX/MD｜单库上限 300 文件 / 单文件 100MB｜文档更新时间：2026-09