扣子知识库是ai智能体的外部知识管理与检索系统，通过rag技术将上传的静态权威文档切片索引，实现精准、实时、一致的回答。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让AI智能体回答准确、不编造、不滞后，就必须给它配备一个可随时更新的“内部资料室”，而不是只靠它自己记忆里的陈旧信息。
扣子知识库到底是什么
扣子知识库是一个专为AI智能体设计的外部知识管理与检索系统，它不改变大模型本身，而是让模型在每次回答前先去查资料——这个“查资料”的过程就是检索增强生成（RAG）。
上传的PDF、Word、TXT、网页链接、飞书文档等内容，会被自动切分为语义连贯的知识片段，每个片段独立索引；用户提问时，系统通过关键词+向量混合检索，从成百上千个片段中快速找出最相关的3～5段，作为上下文喂给大模型生成答案。
知识库内容由你完全掌控，终端用户只能读取，不能修改；所有智能体共用同一份知识源，确保客服、销售、培训等不同角色看到的答案一致。
【知识库不是数据库】它不存订单号、用户ID这类动态业务数据，只存“产品保修期是多久”“如何重置后台密码”“公司差旅报销标准”这类静态、通用、需长期复用的知识。
哪些业务场景必须用知识库
以下三类问题一旦出现，说明你的智能体已经到了必须接入知识库的临界点：
扣子 (Windows) 是字节跳动推出的一站式 AI Agent 平台客户端，支持多 Agent 协作、可视化工作流和知识库管理。最新版本新增 Claude Code 与 Codex CLI 接入、多端同步和项目级管理功能，同时优化了插件生态和 AI 响应速度，让用户在 Windows 上即可高效创建、运行和协作智能体，满足个人、团队及企业场景需求。
方法一：用户反复问同一类问题，且答案固定、有明确出处
例如：“发票怎么开？”“退货流程几步？”“XX型号电池续航多长？”——这类FAQ型问题，直接把《售后服务手册》《产品参数表》上传即可，无需人工逐条配置问答对。
方法二：回答经常出错或自相矛盾
比如昨天说“支持7天无理由”，今天又说“定制商品不退”，根源是大模型在训练数据里看到过冲突表述。而知识库强制模型只依据你提供的唯一权威文本作答，【一旦启用知识库，所有回答必须有原文依据】，幻觉率直接下降80%以上。
方法三：业务知识更新频繁，但模型无法及时同步
政策法规调整、价格变动、新功能上线——这些变化不需要重新训练模型，只需替换知识库中的对应文件，下次提问就自动生效。某车企将《2026年新能源补贴细则》PDF上传后，客服机器人当天就能准确解释地方补贴差异。
什么情况下不该硬上知识库
第一步：判断知识是否具备“静态性”和“权威性”
如果内容每天变三次（如股票行情）、或来源分散无法统一（如10个销售各自整理的客户反馈），知识库反而会成为维护负担。这类场景更适合用插件实时调用API获取最新数据。
第二步：确认知识颗粒度是否合理
整本《员工手册》PDF直接上传可行，但若里面混着考勤、薪酬、IT支持三类完全无关的内容，检索时容易召回错误章节。建议按主题拆分成多个小知识库，比如“考勤规则库”“IT故障处理库”，启用时按需绑定。
第三步：检查文件格式与内容质量
扫描版PDF、图片表格、加密文档、含大量页眉页脚的合同模板——这些都会导致切片失败或文本识别错误。务必先用OCR工具转为可选中文本，再上传。否则知识库建了也白建。
