扣子长文本处理与知识库对接完整指南

如果你希望将数十页的产品手册、成百上千条客服话术，或整本行业白皮书导入扣子智能体，让它能够精准回答用户提问，而不是给出泛泛的回应——那么，正确梳理长文本结构、确保知识库可以被高效切片并召回，就是你必须掌握的技能。

创建知识库前必须确认的三件事

登录扣子平台后，先进入目标团队工作区，再点击顶部的「知识库」入口。但先别急着点「创建知识库」，有三件事需要提前核对清楚。

• 第一，确认当前团队名称是否正确。不同团队的知识库完全隔离，如果选错团队，所有操作都是徒劳。
• 第二，知识库名称在本团队内必须唯一，重名会导致创建失败，而且平台不会给出明确的报错提示——这一点虽然有些不便，但实际情况确实如此。
• 第三，类型务必选择「文本」。表格或图片知识库无法用于长文档语义检索，后续也无法关联进标准问答工作流，一旦选错将无法使用。

上传长文本的两种可靠方式

方法一：本地文档直传（推荐用于PDF/DOCX）
在知识库详情页单击「新增单元」，保持「文本格式」默认选项，点击「上传文件」，将文件拖入上传区或手动选择。需要注意：单个文件不能超过20MB。超大PDF建议先用Adobe Acrobat拆分为「产品介绍」「参数表」「售后条款」等逻辑模块，再分别上传。这一步虽然稍显繁琐，但做好后后续会省心很多。

方法二：在线数据自动采集（适合持续更新的网页型长文）
选择「在线数据」，点击「自动采集」，输入目标URL（例如公司的帮助中心首页），开启「定期同步」并设为每日一次，确认即可。系统会自动抓取该页面及所有子链接下的正文内容，但不会抓取导航栏、页脚、广告位等非主体文本。这种方法特别适合维护不断更新的知识源，比如政策法规、产品FAQ。

分段设置决定长文本能否被精准召回

上传完成后，系统会进入分段预览界面。这一步必须操作，千万不能直接点「完成」，否则分段效果将完全不可控。

第一步，优先尝试「自动分段与清洗」。观察预览中段落是否按自然章节切开，例如每个H2标题下能否自成一段。如果出现跨页断句、表格被撕裂、代码块被截断的情况，立即切换至「自定义」模式。

第二步，在自定义模式中，将分段标识符设置为「###」或「第[零-九]+章」（正则表达式）。尽量避免使用换行符——长文档中空行过多，会让内容碎片化到无法直视的程度。

第三步，将「分段最大长度」设为800～1200字符。低于500字符会把连贯的论述切成问答式短句，影响大模型对上下文的理解；高于1500则可能混入无关细节，稀释关键信息的权重。这个区间的选择，本质是在“颗粒度”和“上下文连贯性”之间找到最佳平衡。

验证知识库是否真正可用

回到知识库详情页，找到任意一个已切分的片段，点击右侧的「预览」图标。如果你看到的是完整段落，包含标点、缩进、列表符号，说明清洗环节没有破坏原文结构。如果满屏显示「[URL REMOVED]」「EMAIL HIDDEN」或大量乱码，说明预处理规则过于激进，你需要重新上传并关闭「删除所有URL和邮箱」选项。

最后一个测试非常关键：在智能体编排页的知识模块中添加该知识库后，立即在调试窗口输入测试问题，比如「保修期是多久」。如果返回结果包含「详见《售后服务条款》第3.2条」这类带出处的引用，证明分段与索引成功。如果只回答「请参考相关文档」，说明切片失效，你需要检查分段标识符是否匹配原文标题格式——这类问题，通过验证来判断远比猜测有效。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：扣子长文本处理与知识库对接完整指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题