Docs / Guide / RAG
知识库与 RAG
给 AI 喂入你自己的文档，问问题时先查文档再回答。支持 PDF/Word/PPT/EPUB、本地 OCR、向量语义检索与引用溯源。
知识库管理
知识库让你把文档塞给 AI，问问题时 AI 会先从文档里找答案再回复，避免胡说。可创建多个知识库，每个独立管理文档；知识库可绑定到某个助手（助手级 RAG）或全局共享。
文档导入
支持批量导入，导入后显示文档列表与处理状态。支持的格式包括：
- PDF（含扫描件，走 OCR）
- Word（.docx）
- PowerPoint（.pptx）
- Excel（.xlsx）
- 电子书（.epub）
- 纯文本（.txt / .md）
- 图片（.jpg / .png），走 OCR 提取文字
本地 OCR 文字识别
扫描版 PDF 和图片会自动走 ML Kit 离线 OCR，不上传图片到第三方。这意味着你的敏感文档无需联网也能被索引进知识库。
文档分块
文档太长无法整段塞给 AI，需要切块。Muse 提供三种分块方式：
- 按字符：固定字数一块
- 按 Token：按模型 Token 数切块，更精准
- Markdown 感知：按标题层级切，保留结构
每块默认带相邻重叠（overlap），避免切断语义。
向量化（Embedding）
把文本块转成向量，用于相似度检索。三种方式可选：
- 本地 ONNX：设备端运行，不联网，隐私最好
- 云端 API：OpenAI / SiliconFlow / 智谱等 Embedding 服务，速度快质量高
- 关键词 BM25：不做向量化，纯关键词匹配，适合精确术语检索
向量存储在本地 SQLite，用余弦相似度检索，无需额外数据库服务。
检索策略
提问时从知识库找相关块的组合策略：
- Top-K：取相似度最高的 K 条（默认 5）
- 重排（Rerank）：用本地 ONNX 交叉编码器精排，提升 Top 准确率
- RRF 融合：向量检索 + 关键词检索结果融合，兼顾语义和精确匹配
引用标注（Citation）
AI 回复中会标注引用来源，如 [1] 指向某个文档的某段。点击引用可跳转到原文位置，方便核对。这让 AI 回答可溯源，而非凭空生成。
RAG 设置页
每个知识库/助手可独立调整：分块大小与重叠、Top-K 数量、是否启用重排、Embedding 模型选择、检索阈值（相似度低于多少丢弃）。助手级 RAG 覆盖让助手 A 挂「产品文档库」、助手 B 挂「法律条文库」，互不干扰。