扣子智能体需通过结构化术语表构建三层映射关系：术语、标准释义、常见误译、使用场景、同义词；上传excel/csv时须设“术语”为唯一索引字段，切片选“按行”，并配置标准化预处理以支持模糊匹配。
☞☞☞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☜☜☜
你需要让扣子智能体准确识别并解释行业术语，比如把“GPU实例”翻译成“GPU实例”而非“图形处理器实例”，避免通用模型直译导致的专业失真。这要求知识库不是简单堆砌文档，而是建立术语与标准释义、上下文用法、同义替换的三层映射关系。
准备术语原始数据
先整理一份结构清晰的术语表，必须是 Excel 或 CSV 格式，且第一行为字段名：术语、标准释义、常见误译、使用场景、同义词（可选）。不要用 Word 或 PDF——这类格式会导致扣子无法识别列结构，分片后字段错位，检索时根本匹配不到“术语”列。
确保“术语”列内容无重复、无空格、无特殊符号；“标准释义”要控制在 200 字以内，避免过长导致向量化截断；“常见误译”项哪怕只填一两个典型错误也比留空强，后续可用于反向校验。
这一步操作起来很简单，直接把文件拖进去就行。
上传并配置术语知识库
进入 Bot 编辑页 → 点击左侧【知识库】→ 点击【+ 新建知识库】→ 选择【表格类知识库】→ 上传你刚准备好的 Excel/CSV 文件。
上传后立即点击【配置索引字段】，在弹出窗口中【必须将“术语”设为唯一索引字段】，否则知识库无法按术语精准召回，所有后续映射都会失效。
切片策略选【按行切片】，不勾选“自动合并相邻行”，因为每行就是一个独立术语单元，合并会导致释义混杂。
构建术语-释义-误译三重映射
方法一：用工作流显式调用知识库做条件判断
新建一个工作流 → 添加【知识库检索】节点 → 选择刚建的术语库 → 检索字段填“术语” → 输入变量设为用户提问中的关键词（如提取出的名词短语）→ 将返回结果接入【条件分支】节点。
在条件分支中设置：若【检索命中数 ≥ 1】，则走“标准释义”路径；若【常见误译】字段非空，则额外追加一句“注意：勿译为【常见误译】”。
方法二：靠提示词引导模型主动对齐
在 Bot 的人设提示词末尾加入固定指令：“当用户提及专业术语时，你必须优先从知识库中检索该术语的标准释义；若知识库返回‘常见误译’，需明确指出错误译法并给出正确版本；禁止自行发挥或套用通用词典释义。”
【此提示词必须放在人设模块，不能写在工作流节点里】，否则模型在知识库未命中的情况下仍会自由生成，失去术语管控力。
验证术语映射是否生效
第一步：在 Bot 测试窗输入“GPU实例是什么”，观察返回是否直接给出标准释义，且未出现“图形处理器实例”字样。
第二步：输入“GPU instance”，看是否能自动识别为同一术语并返回相同释义——这验证了大小写与中英文混输的模糊匹配能力。
第三步：输入“GPU 实例”，中间带空格，确认知识库仍能召回——如果失败，说明上传时未启用“标准化预处理”，需重新上传并勾选该选项。
