整体概述

知识库节点支持根据输入的query，在选定的知识库中检索相关片段并召回，返回切片列表。你可以上传文件并建立知识库，在知识库节点中勾选想要使用的知识库进行检索。

参数配置

输入参数：参数名不可修改，参数类型为string，上级节点的输出参数会强制转换为string类型作为知识库节点的输入，输入参数有两种类型：1）引用类型为引用上一个节点的输出变量，2）常量类型，可以输入一个string类型的入参。

选择知识库：选择需要检索的知识库，支持选择多个知识库，需要保证知识库节点中的多个知识库都属于相同的向量模型。

检索策略：按照指定的检索策略从知识库中寻找匹配的片段，不同的检索策略可以更有效地找到正确的信息，提高最终生成的答案的准确性和可用性。

检索策略	定义
混合检索	使用倒排索引和语义检索两种策略进行召回，推荐在需要对句子理解和语义关联性的场景下使用，综合效果更优。
语义检索	语义检索将返回与查询Query含义相匹配的内容，而不是与查询字面意思相匹配的内容。推荐在需要对上下文相关性和意图相关性的场景下使用。
全文检索	使用倒排索引策略进行检索召回，推荐在需要对关键词精准匹配的场景下使用。

召回数量：设置从知识库中召回与输入Query匹配的知识片段的个数，设定的数量越大，召回的片段越多。

匹配分：在检索过程中，用来计算输入Query和知识库片段的相似度，高于匹配分数的片段将会被检索召回。

拓展上下文信息：采用了 Small-to-Big 策略，可以提升 RAG（检索增强生成）的能力。该功能开启后，会拓展命中切片的上下文，并将包含上下文信息的大切片提供给大模型，使大模型能获取更多相关信息，从而更好地解答用户提出的问题。需注意，开启"拓展上下文信息"功能后，会增加召回切片内容，导致模型输入token数量增加、降低模型响应速度、增加成本消耗。建议配合大上下文的模型组合使用，避免token超出模型输入范围。

输出参数：在知识库中检索输出的变量信息及变量类型。

字段名	含义
segment_id	获取切片的标识符
document_id	切片所在文档的标识符
dataset_id	数据集的标识符
content	实际抓取的内容
document_name	该文档的标题
dataset_name	该数据集的标题
word_count	抓取内容的字数统计
original_chunk_id	被扩展切片的标识符
original_chunk_offset	与被扩展切片的位置关系，-1是左边第一个邻居，1是右边第一个邻居

文档与标签筛选配置

功能使用场景：产品问答时可按产品标签筛选文档，实现更精准知识问答效果。企业可为员工按角色设定知识范围权限。 API调用时用户可根据每个query按场景或用户权限区分知识问答范围。可参考对话接口文档
操作方法：点击如下按钮，可配置文档与标签筛选，通过文档与标签配置限定知识库检索范围

支持添加标签筛选、文档筛选作为筛选条件，筛选条件配置支持 “且” “或”关系，可添加10个筛选条件
标签与检索值的关系有三种，"不包含":在后面的string数组中的范围、"包含":不在后面的string数组范围中、"是"：等于后的string类型值。数据类型可以选择“String”或者“Array[String]"，单个标签或文档id时为String类型，指定标签值或文档id值范围时为Array[String]类型

当筛选条件为文档筛选，关系为包含（in）、不包含（not in）时，文档id值之间用逗号（，）做分隔，如“f899a818-xxxx-xxxx-xxxx,h184h283-xxxx-xxxx-xxxx。”