扣子（Coze）知识库实操：上传资料 → 分段切片 → 召回配置 → 绑定智能体 本文更新于 2026 年 11 月，基于扣子（Coze）官方公开文档（docs.coze.cn）中的知识库分段策略、召回配置与知识库检索节点说明整理的操作指南。文中提到的参数默认值、检索策略名称均引自官方文档；界面按钮名称可能随版本微调，请以你登录后看到的实际界面为准。属于"操作指南"，非逐帧实测截图，特此诚实说明。前两篇文章——《零代码搭建你的第一个 AI 智能体》和《扣子（Coze）工作流保姆级教程》——我们把智能体和工作流都搭起来了。但用着用着，几乎每个人都会撞上同一堵墙：AI 一本正经地胡说八道。你问它"我们公司年会在哪办"，它给你编一个像模像样的答案；你让它按你的产品文档回答，它给你一份听着通顺、实则全是通用废话的回答。问题不在提示词，在它手上没有任何属于你的资料。大模型的默认知识来自公开语料，它不知道你的产品手册、你的客户 FAQ、你的内部规范。而知识库（Knowledge）就是用来解决这件事的：把资料喂进去，让它的回答有据可依。这篇就把这条链路一次讲透：资料怎么传 → 怎么切段 → 怎么配召回 → 怎么绑到智能体上 → 怎么调才不胡编。一、先搞清楚：知识库到底解决了什么问题官方的说法很直接：知识库能力主要解决大模型幻觉和专业领域知识不足两个问题，提升回复准确率。这不是玄学，原理上就是一句话——没有资料时，大模型只能靠"概率猜"；有了资料并被正确召回时，它是在"照着答"。扣子官方文档把知识库能力拆成两块： 数据管理与存储：支持从本地文档、在线数据、Notion、飞书文档等多种来源上传文本和表格数据，上传后自动切分成一个个内容片段存储，也支持自定义分片规则（按分段标识符、字符长度等）。 增强检索：提供全文检索等多种检索方式召回片段，大模型再根据召回内容生成回复。 顺带提醒一个官方限制：单个低代码智能体最多可绑定 150 个知识库。这个上限听着很多，但真正影响回答质量的不是知识库数量，而是每个知识库切得对不对、召回配得准不准。（编辑观点）二、动手前：知识库的 3 种类型扣子的知识库分三种类型，处理方式和适用场景完全不同，选错类型后面全是麻烦：1. 文本知识库最常用的一种，上传 Word / PDF / TXT / Markdown 等文档，内容按段落切成片段用于检索。本文讲的全部是文本知识库——绝大多数人的需求（产品文档、客服话术、行业资料、历史好文）都归它管。2. 表格知识库默认按行分段，一行就是一个内容片段，不需要额外做分段设置。而且加了表格知识库后，会默认开启表格 SQL 查询：系统自动把用户的自然语言问题转成 SQL 语句去查表，再把查询结果和检索到的切片一起传给模型。适合放什么？价格表、库存表、参数对照表这类结构明确、需要精确计算的数据。但注意官方限制：暂不支持跨表查询（JOIN），所以表与表之间的关联查询要另想办法。3. 照片知识库无需分段。你可以为图片设置标注信息，用户提问时系统把问题与标注信息比对，按相似度匹配最相关的图片给模型使用。适合做产品图库、素材库这类视觉检索场景。💡 火眼AI 提醒：三种类型别混着理解。新手第一个知识库大概率是文本知识库，先把"把一篇长文档丢进去、问它问题、它答得有出处"这条链路跑通，比研究表格和照片类型有用得多。三、实操：建一个能用的知识库（保姆级）第 1 步：整理资料——先想清楚"要喂什么"这一步看着像杂活，却直接决定成败。AI 答得不准，九成不是模型的问题，是资料本身的问题。常见的三种翻车： 喂了一堆无关内容（把整个公司官网爬下来、把无关的会议纪要也传上去），切片一多，召回就容易召回噪声。 资料是"半成品"（PPT 导出的大段文字、扫描件没有文字层），切出来全是碎片。 同一件事有多个版本（旧版说明书和新版一起传），AI 给你答了旧版。 务实的做法：一个知识库只管一件事。比如"产品答疑库""售后话术库""写作风格库"，分开建。宁可建三个小的，也别建一个混杂的。（编辑观点）第 2 步：创建知识库并上传文件登录扣子开发平台（coze.cn），在目标工作空间下进入知识库管理，创建文本知识库并上传资料。官方文档明确，文本知识库支持从本地文档、在线数据、Notion、飞书、自定义的文本知识库这几类来源导入。文件格式方面，按层级分段策略仅支持上传本地文档（PDF、MD、DOC、DOCX）；自动分段和自定义分段对上述各类来源都支持。如果你的资料在飞书或 Notion 里，直接在线导入，比先导出再传省事得多。第 3 步：分段策略——这是最关键的一个选择官方文档把分段策略分成三种，各有明确的适用场景。这块直接决定召回质量，值得花时间理解： 对比项按层级分段自动分段自定义分段 分段原理按文档的目录结构、章节划分等层级信息划分自动识别段落、页眉页脚脚注，跨页跨栏合并，解析表格内容按你配置的分段标识符、最大长度、重叠度等规则切 适用场景层次分明的知识体系：技术手册、法律条文、标准规范结构较规范的文档：新闻文章、学术论文有特殊业务规则、或文本结构不规则 导入类型仅本地文档（PDF、MD、DOC、DOCX）本地文档、在线数据、Notion、飞书、自定义文本库本地文档、在线数据、Notion、飞书、自定义文本库 优点结构清晰、便于定位与检索高效省人工、标准一致灵活、可定制 缺点处理复杂度高、对无层级文档不适用可能切得不准确；文档格式不规范时效果差配置复杂、维护成本高 官方还给出了选择逻辑，很好懂： 你的文档是有明确层级的（"第 3 章 / 3.2 节 / 一、概述"这种），选按层级分段，并且可以把一级、二级标题设为分段层级（设为 2 就按一二级标题切）。 你的文档是普通段落文章，选自动分段——它会拿句号、分号、问号、感叹号当切分依据，还会识别页眉页脚这类非重点内容。 你的文档结构特殊（比如按"###"分隔、每条固定字数），选自定义分段。 自定义分段有三个核心参数值得记住： 分段标识符：支持换行、2 个换行、中文句号、中文叹号、英文句号、英文叹号、中文问号、英文问号，以及自定义分隔符（如 "###"）。 分段最大长度：每段允许的最大字符数，防止段落过长拖低检索效率。 分段重叠度%：相邻段落共享字符数占最大长度的比例，保留上下文，避免信息被割裂。 此外还可以设置文本预处理规则，在分段前清洗文本：替换连续的空格/换行/制表符、删除所有 URL 和电子邮箱地址。这一条对从网页复制的资料特别有用——满屏链接和乱码空白会明显干扰召回。还有两个细节：按层级分段里有个"检索切片保留层级信息"的选项，保留后检索结果里能看到段落之间的层次关系，方便定位；官方说明默认切片检索不保留。最后提醒一个反直觉的事实：切片不是越碎越好。官方文档说得很清楚——分段太大，会包含太多不相关信息，降低检索准确性；分段太小，会丢失必要的上下文，生成的回复缺乏连贯性。（编辑观点）第 4 步：绑定到智能体知识库建好不等于生效，得挂到智能体上。在智能体的编排页面找到知识区域，选择"扣子知识库"或"火山知识库"，点对应的 + 图标添加即可。官方文档提示：支持添加扣子知识库（文本、表格、照片）和火山知识库（结构化与非结构化）。工作流里则是另一套：在画布上点 + 添加节点，在"知识库&数据"区域选择知识库检索节点。这个节点的输入参数固定为 Query，格式为 String，可以引用任何格式的上游数据。第 5 步：配召回——决定"答得好不好"的关键旋钮这一步官方文档叫"召回配置"，管的是从哪里查、怎么查、返回几条。召回内容的完整度和相关度越高，大模型生成的回复就越准确可用。调用方式：自动调用 vs 按需调用 自动调用：智能体每一轮对话都调用知识库，用召回内容辅助生成回复。 按需调用：由智能体根据提示词自行判断是否调用知识库。此时必须在"人设与回复逻辑"里写清楚"什么情况下调用哪个知识库"，否则它不会自己动。 官方说明里有一句很实用的话：只有智能体中用知识库才需要配调用方式；在工作流中会按节点顺序调用知识库。搜索策略：混合 / 语义 / 全文 混合：结合全文检索和语义检索的优势，并对结果综合排序召回。大多数场景选这个就对了。 语义：像人类一样理解词与词、句与句之间的关系。官方推荐用于需要理解语义关联度和跨语言查询的场景。官方举的例子很形象——"狼追小羊"和"豺狼追山羊"的语义关系，明显强于"狼追小羊"和"我爱吃炸猪排"。 全文：基于关键词的全文检索。官方推荐用于查询中包含特定名称或专有名词、术语、缩写词、ID 的场景（比如"特斯拉 Model Y""SFT""12s1w1s2 系列"）。 最大召回数量 / 最小匹配度 最大召回数量：从检索结果里返回多少个片段给大模型。官方文档给出的默认值是 5 条。数量越多信息越全，但也越多噪声、token 消耗越大。 最小匹配度：低于这个匹配度的片段不返回，用来过滤低相关内容。官方文档给出的默认值是 0.5。重要限制：这个参数仅在关闭结果重排时才能设置。 查询改写：多轮对话的救命功能官方文档举的例子值得看一遍：对话上下文是"问题 1：知识库检索节点可以用来做什么？"（已回答），接着用户只问"怎么用？"——不看上下文的话，谁也不知道用户问的是知识库检索节点。开启查询改写后，"怎么用？"会被改写成"知识库检索节点怎么用？"。官方还提示了一个细节：开启查询改写后，节点的处理流程会多一轮模型处理，所以查看消息链路时可能会看到一个叫 WorkflowLLMCall 的环节——那不是 bug，是改写在起作用。知识库检索节点默认开启查询改写。结果重排：把最相关的提到最前面官方文档用"做意大利面"这个例子讲得很清楚。假设检索召回了几个切片：A 讲意大利面的历史，B 讲意大利面的种类与搭配，C 详细描述制作步骤，D 提供食谱。向量检索只是按匹配度从大到小排序，所以顺序可能毫无章法。开启结果重排后，系统会把 Embedding 的召回结果交给 Rerank 模型做质量和相关性判断并重新排序，最终顺序变成 C（制作步骤）、D（食谱）、B（搭配）、A（历史）——最有用、最能回答问题的那条被顶到了最前面。官方指出结果重排适用于"追求回答高精度和高相关性的场景，例如智能客服、专业技术答疑"。但要注意它的代价：开启结果重排后，就不能设置最小匹配度了（官方明确：需设置最小匹配度请先关闭结果重排）。另外两个容易漏的开关 无召回回复：当知识库没有召回有效切片时说什么。可以写一句"这个我不太确定，建议咨询人工客服"——这比硬编一个答案安全得多。 显示来源：把召回的原始切片呈现给用户并支持查看源文件。官方说明默认关闭。做客服、答疑类应用时强烈建议打开，用户能自己核对来源，可信度完全不同。 第 6 步：测——用"刁钻问题"验一遍知识库配完不等于能用。用你真实会问、且答案明确在资料里的问题去测，重点看三件事： 召回对不对？（答得对，但答案其实是模型自己猜的，还是真的引用了资料？） 切段有没有把答案切断？（答案跨了两个片段，导致只召回了半截） 该拒答时有没有拒答？（问一个资料里根本没有的问题，它是否老实说不知道） 如果召回不准，排查顺序建议是：先看搜索策略对不对（专有名词用全文、语义问题用语义）→ 再看最小匹配度和召回条数 → 最后才动分段策略。分段是最重的改动，先确认不是策略问题再动它。（编辑观点）四、4 个新手最容易踩的坑 知识库建了但没绑到智能体上。 这是最高频的坑——建完就以为完事了，其实智能体根本不知道有这回事。一定要在编排页的"知识"区域把它加进去。 切片切太碎，答案被切断。 把一篇连续说明文字按每 200 字硬切，某条关键规则刚好被切在两段中间，检索时只召回半句，答案就变成"对的但没说完"。适当调大分段最大长度或提高重叠度，通常能救回来。 不设"无召回回复"，AI 硬编。 资料里没有的问题，它照样会给你一个流畅的答案。打开无召回回复并写好兜底话术，是防止幻觉最省事的一步。 资料更新了但知识库没同步。 旧版文档和新版文档同时躺在库里，AI 给你答了旧版。定期清理过期文件，别让知识库变成垃圾场。 五、常见问题 FAQQ1：知识库和提示词里直接贴资料，有什么区别？贴进提示词，是把资料塞进每一次请求的上下文里——占 token、资料一多就没法用，而且每次都全量塞。知识库是先检索出最相关的几段再喂给模型，既省 token 又更准。资料少（几百字以内）可以贴提示词，超过这个量就该上知识库了。Q2：一定要先搞懂 RAG 吗？不用。扣子的知识库把 RAG 的流程做成了可视化配置，你只要理解"切段 → 检索 → 召回 → 生成"这四步在干什么、每个旋钮影响什么，就能把效果调出来。要深入理解原理，再去补 RAG 的功课也来得及。Q3：一个智能体可以绑多个知识库吗？可以，官方限制是单个低代码智能体最多可绑定 150 个知识库。但绑得多不代表答得好——检索时多个库一起召回，噪声会互相干扰。建议先用 1～2 个跑通，再按需加，并且用"按需调用"在提示词里写清各库分管什么。Q4：免费版够用吗？个人学习、轻度使用够用（具体额度以官方最新政策为准）。知识库本身不是主要开销，真正吃资源的是大模型调用次数和召回条数——把最大召回数量从 5 调小，往往比省钱更立竿见影。Q5：为什么不推荐无脑批量生成？因为素材的质量决定了作品的质感上限。知识库能让 AI 少胡编、少说空话，但"内容有没有信息增量"仍然是人的活。用知识库做"有据可依"，用人的判断做"值得一读"，这是分工，不是替代。（编辑观点）六、下一步 & 相关阅读如果你想动手，按这个顺序最顺： 先理解智能体本身 → 参考本站 《零代码搭建你的第一个 AI 智能体（AI Agent）：2026 保姆级实操教程》 再把固定流程自动化 → 参考本站 《扣子（Coze）工作流保姆级教程：从 0 搭一个自动写公众号文章的 AI 流水线》 想知道智能体还能干哪些活 → 参考本站 《AI 智能体能帮普通人做什么？10 个真实高频场景 + 落地思路》 本文（知识库实操）→ 建库、切段、配召回、绑智能体，然后拿自己的真实资料测一遍 参考资料 扣子官方文档 · 知识库分段（分段策略对比、标识符/最大长度/重叠度/预处理规则）：docs.coze.cn/guides_knowledge_base_segmentation 扣子官方文档 · 为低代码智能体添加知识（召回配置、搜索策略、查询改写、结果重排）：docs.coze.cn/guides_agent_knowledge 扣子官方文档 · 知识库检索节点（节点配置、默认召回条数与匹配度、表格 SQL 查询）：docs.coze.cn/guides_knowledge_node 扣子官网：coze.cn（界面与额度以官网当前公示为准） 📌 火眼AI 会持续更新「AI 智能体 / AI 工具评测 / 提效实战」的原创实操内容。如果这篇帮你让 AI 少胡编了几次，欢迎按 Ctrl+D 收藏本站——后续我们会拆更多可复用的实操模板（多知识库路由、RAG 效果自测、客服兜底话术等），手把手带你从"会搭"到"搭得好用"。本文由「火眼AI」原创整理，聚焦扣子知识库的真实上手路径。文中分段策略、召回参数默认值、功能限制均引自扣子官方公开文档并附链接；"编辑观点"为作者判断。界面与额度以官方最新版本为准。转载请注明出处与原文链接。