跳转到主要内容
知识库连接器让专家能访问飞书、语雀、IMA 等外部平台的文档。但「直搜」依赖平台自身的搜索 API——各平台搜索质量参差不齐，钉钉甚至无法返回全文。 RAG 管线将连接器从「搜索通道」升级为「采集层」：定期同步文档到本地，分块建立向量索引，用混合检索替代平台原生搜索。结果精准度显著提升，且回复中每句话都可以溯源到原始文档段落。

​
两种模式并存

每个知识库连接可以独立选择模式：

直搜模式（默认）

不索引，不存储。每次提问实时调用平台 API 搜索。适合文档少、更新频繁、对搜索质量要求不高的场景。

RAG 模式

开启后，系统定期同步文档、分块、建立向量索引。提问时走本地混合检索（向量 + 关键词），质量远高于平台原生搜索。
两种模式可以在同一用户的不同连接上共存。例如：飞书连接开启 RAG（文档多、搜索质量重要），钉钉连接保持直搜（文档少、仅做补充）。

​
启用 RAG 索引

1

连接知识平台

在 设置 → 连接器 中绑定平台凭证（详见知识库连接）。
2

开启 RAG 开关

在连接卡片上打开「启用 RAG 索引」开关。
3

首次同步

点击「立即同步」按钮触发首次全量同步。卡片上会显示同步进度和状态。
4

开始对话

同步完成后，启用 Knowledge 插件开始对话。搜索自动走 RAG 管线，回复中带有来源标记。
首次同步后，系统每 24 小时自动增量同步一次（仅处理新增和变更的文档）。你也可以随时手动触发同步。

​
RAG 管线架构

整条管线运行在 Core 服务内部，零新增容器、零新增部署配置。

​
同步机制

​
增量同步

同步引擎不是每次全量重新处理。每篇文档在首次同步时计算内容的 SHA-256 哈希值，后续同步时对比哈希——内容未变的文档直接跳过，只处理新增和变更的部分。

​
文档处理流程

1

拉取文档列表

通过平台 API 获取全量文档元数据（标题、ID、所属知识库）。
2

变更检测

对比本地已索引文档的 content_hash，筛出新增和变更的文档。
3

获取全文

对变更文档调用平台 API 获取 Markdown 全文。
4

智能分块

使用 MarkdownTextSplitter 按标题层级（#/##/###）作为首选分割点，超长段落在句号/换行处二次切割，保留 100 字符的上下文重叠。每个 chunk 约 1500 字符。
5

向量嵌入

每个 chunk 通过 DashScope text-embedding-v3 生成 1024 维向量（与记忆系统复用同一嵌入模型）。
6

原子写入

在数据库事务内完成：UPSERT 文档记录 → 删除旧 chunks → 插入新 chunks。保证数据一致性。

​
并发与容错

  • Worker 单实例：同步 worker 使用 PostgreSQL Advisory Lock 保证跨副本单实例运行，不会出现多个 pod 同时同步同一连接
  • 单文档容错：某篇文档处理失败不阻塞其他文档，错误记录在连接的 sync_error 字段
  • 嵌入并发控制：批量嵌入有并发上限（5 并行），避免打满 DashScope API 配额

​
混合检索

RAG 检索不是单纯的向量搜索——而是向量 + 关键词双通道检索，通过 RRF（Reciprocal Rank Fusion）融合排序。

向量检索

将用户问题嵌入为向量，在 pgvector 中按余弦相似度检索 Top-30 语义最相关的 chunks。擅长理解同义词和语义关联。

关键词检索

使用 PostgreSQL 全文搜索（tsvector + tsquery）检索 Top-30 关键词匹配的 chunks。擅长精确术语和专有名词匹配。
两组结果通过 RRF 公式融合： score(d)=∑r∈lists1k+rankr(d)\text{score}(d) = \sum_{r \in \text{lists}} \frac{1}{k + \text{rank}_r(d)} 其中 k=60k=60 是平滑常数。这种融合方式的优势：
  • 向量检索擅长的语义匹配和关键词检索擅长的精确匹配互补
  • 某条结果在两个列表中都排名靠前时，融合后得分更高（共识增强）
  • 单通道噪声被另一通道稀释（噪声抑制）
融合后去重，取 Top-K（默认 10）返回给专家。

​
来源溯源

RAG 检索结果与来源引用管线集成。专家回复中的 [1] [2] 标记链接到对话底部的来源卡片，每张卡片显示：
  • 原始文档标题和平台来源
  • 匹配的段落预览
  • 文档所属知识库名称
  • 文档原始链接（如有）

​
同步状态

连接卡片右侧实时显示同步状态： 同步失败不影响已有索引——之前成功索引的文档仍可被正常检索。下次同步会自动重试。

​
平台支持

​
计费说明

  • 同步过程：文档嵌入消耗 DashScope embedding API 配额（平台内部成本，不扣用户积分）
  • 检索过程：query 嵌入同上，不额外扣用户积分
  • 对话消耗：检索到的 chunk 内容注入对话上下文，按模型 token 计费——与直搜模式一致，具体消耗以产品内实时显示为准
RAG 模式的主要成本在首次全量同步的嵌入调用。增量同步只处理变更文档，后续成本极低。