知识库

构建并管理用于检索增强生成（RAG）的知识库。你可以上传文档、配置检索参数，并在对话中使用它们。

创建知识库

第一步：进入 Knowledge 页面

点击侧边栏中的 Knowledge，打开知识库管理页面。

第二步：创建新的知识库

1. 点击 Create（或 + 按钮）
2. 填写以下信息：
   • Name：知识库名称
   • Description：知识库内容简介
   • Embedding Model：用于向量化的 Embedding 模型（必须与当前配置一致）
3. 点击 Create

第三步：上传文档

1. 打开刚刚创建的知识库
2. 点击 Upload 添加文档
3. 选择一个或多个文件
4. 等待系统完成处理（分块、向量化、索引构建）

支持的文件格式

格式	扩展名
Documents	.pdf, .docx, .doc, .txt, .md
Spreadsheets	.xlsx, .xls, .csv
Web	.html, .htm
Data	.json
Code	.py, .java, .js, .ts 等

在对话中使用知识库

1. 进入 Chat 并创建新会话
2. 选择 Chat Knowledge 模式
3. 从下拉菜单中选择知识库
4. 开始提问，LLM 会将你的文档作为上下文使用

知识库设置

每个知识库都支持以下可配置项：

配置项	说明	默认值
Chunk Size	每个文本块的最大字符数	512
Chunk Overlap	相邻文本块之间的重叠长度	50
Top K	每次查询返回的文本块数量	5
Score Threshold	检索的最小相关性分数	0.3

检索调优建议

• 文档较大：增大 Chunk Size，以保留更多上下文
• 希望答案更全面：提高 Top K，并适当降低分数阈值
• 结果噪声较多：提高分数阈值

存储类型

DB-GPT 支持多种向量存储后端：

后端	说明	安装 Extra
ChromaDB	默认方案，内嵌式，无需额外部署	storage_chromadb
Milvus	面向生产环境的分布式向量数据库	storage_milvus
OceanBase	云原生分布式数据库	storage_oceanbase

如果要使用非默认后端，需要在安装命令中添加对应的 extra：

uv sync --all-packages --extra "storage_milvus" ...

高级特性

Graph RAG

DB-GPT 支持基于知识图谱的结构化检索：

• 从文档中抽取实体及其关系
• 在向量检索之外支持图谱检索
• 适用于概念关联复杂的领域知识场景

配置方式可参考 Graph RAG。

关键词检索（BM25）

如果需要结合向量检索与关键词检索的混合检索能力：

uv sync --all-packages --extra "rag_bm25" ...

这会启用 BM25 索引，并与向量检索配合使用，以提升召回效果。

管理知识库

操作	说明
View	点击知识库查看其中的文档和设置
Add documents	在知识库内使用 Upload 按钮添加文档
Delete documents	选中文档后点击 Delete
Delete knowledge base	在知识库卡片上点击 Delete

删除操作不可恢复

删除知识库会同时移除其相关的向量数据和索引数据，原始上传文件也无法恢复。

下一步

主题	链接
在对话中使用知识库	Chat
RAG 概念	RAG
高级 RAG 配置	RAG Tutorial