知识管理

你正在阅读的是 RuoYi AI 的文档！

• 如发现文档有误，欢迎提交 issue 帮助我们改进。

概览

知识管理是 RuoYi AI 的 RAG 主链路，负责把外部资料解析、切块、向量化、入库，并在问答时完成召回、重排和上下文注入。

文档解析 -> 知识分块 -> 向量化 -> 向量库操作 -> 召回 -> 重排 -> 混合检索 -> 生成回答

当前实现集中在 ruoyi-chat：

能力	主要实现
文档解析	service/knowledge/impl/loader
知识库管理	KnowledgeInfoServiceImpl、KnowledgeAttachServiceImpl、KnowledgeFragmentServiceImpl
向量化	service/embed/impl
向量库	MilvusVectorStoreStrategy、QdrantVectorStoreStrategy、WeaviateVectorStoreStrategy
召回	CustomVectorRetriever、KnowledgeRetrievalServiceImpl
重排	AliBaiLianRerankModelService、SiliconFlowRerankModelService、ZhiPuRerankModelService

文档解析

RuoYi AI 已预留多种 loader，用于从不同来源读取原始内容。

Loader	支持内容
PdfFileLoader	PDF 文档。
WordLoader	Word 文档。
ExcelFileLoader	Excel 表格。
CsvFileLoader	CSV 表格。
MarkDownFileLoader	Markdown 文档。
TextFileLoader	TXT 文本。
JsonFileLoader	JSON 文件。
CodeFileLoader	代码文件。
FolderLoader	文件夹批量导入。
GithubLoader	GitHub 仓库资料。

截图占位：文档上传和解析进度页，建议放置在 /images/knowledge/knowledge-upload.webp。

知识分块

知识库配置中与分块相关的字段包括：

字段	说明
separator	分隔符，适合 FAQ、章节、固定模板文档。
textBlockSize	文本块大小，控制每个片段的最大长度。
overlapChar	相邻片段重叠字符数，减少跨段语义丢失。
retrieveLimit	召回条数。
similarityThreshold	相似度阈值，过滤低相关片段。

建议：

场景	分块建议
产品文档	按标题和段落切分，保留章节路径。
FAQ	按问答对切分，避免多个问题混在同一块。
表格	按行组或业务主键切分，保留表头。
代码	按文件、类、函数切分，保留路径和语言。

向量化

向量模型用于把文本转换为向量。当前 provider 包括 OpenAI、Ollama、阿里百炼、智谱、MiniMax、SiliconFlow 等。

字段	说明
embeddingModel	知识库使用的向量模型。
vectorModel	使用的向量库策略。

TIP

同一个知识库的文档向量和查询向量必须使用同一类 embedding 模型，否则相似度会失真。

截图占位：向量模型选择页，建议放置在 /images/knowledge/embedding-model.webp。

向量库操作

当前支持 Milvus、Qdrant、Weaviate 三种策略。部署文件可参考 ruoyi-ai/docs/docker 下的对应目录。

向量库	适合场景
Milvus	大规模向量、高并发检索、生产环境。
Qdrant	部署轻量、过滤能力强、适合中小规模服务。
Weaviate	上手快，适合验证和轻量知识库。

已有截图：

召回

召回阶段会将用户问题向量化，在向量库中检索相似片段，再按知识库配置返回前 N 条。

query -> embedding -> vector search -> score filter -> fragments

建议在调试页展示：

调试项	说明
查询向量模型	排查模型配置是否正确。
命中文档	显示知识库、文件、片段 ID。
相似度分数	判断阈值是否过高或过低。
注入上下文	查看最终送入模型的片段内容。

截图占位：召回调试页，建议放置在 /images/knowledge/retrieval-debug.webp。

重排

重排模型会对初次召回结果进行二次排序。知识库字段包括：

字段	说明
enableRerank	是否启用重排。
rerankModel	重排模型名称。
rerankTopN	重排后保留数量。
rerankScoreThreshold	重排分数阈值。

推荐在以下场景启用重排：

• 文档数量多，初次召回噪声较高。
• 用户问题较短，向量召回容易命中泛化片段。
• 需要更高准确率，允许增加一次模型调用耗时。

混合检索

混合检索结合关键词检索和向量检索。知识库字段包括：

字段	说明
enableHybrid	是否启用混合检索。
hybridAlpha	向量结果与关键词结果的融合权重。

建议：

场景	hybridAlpha
概念问答、语义相近表达	偏高，优先向量。
型号、编号、字段名、错误码	偏低，保留关键词精确命中。

使用流程

1. 进入 知识库管理，创建知识库。
2. 选择向量库、向量模型、分块参数。
3. 上传文档或配置外部来源。
4. 等待解析、分块、向量化完成。
5. 在对话或智能体中选择知识库问答。

已有截图：

参考资料

• LangChain4j RAG
• LangChain4j Embedding Stores