扣子智能体需同时激活知识库检索与完整对话历史：在系统提示词中强制要求“严格参考全部历史记录”，人设限定专业范围，测试用连续两轮对话验证；知识库启用混合检索并按标题切分；工作流中提取型号变量注入查询，确保上下文精准生效。
☞☞☞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☜☜☜
你想让扣子智能体在回答用户问题时，既能准确引用知识库内容，又能记住上一轮对话里用户刚提过的关键信息（比如“我要买SKF的6308轴承”），而不是每次提问都当成全新会话从头理解——这需要同时激活知识库检索与对话历史上下文，缺一不可。
确保对话历史被智能体真正“看见”
第一步：进入智能体编辑页 → 左侧点击「人设与回复逻辑」→ 在「系统提示词」区域底部，手动加入一句：你必须严格参考当前对话的全部历史记录，包括用户上一轮提问和你的上一轮回复，再结合知识库内容生成本轮回答。
第二步：在「人设与回复逻辑」顶部的「人设描述」里，写明角色约束，例如：“你是轴承电商客服，只回答与轴承型号、参数、库存、价格相关的问题，不提供维修建议。”这能防止模型因历史信息模糊而自由发挥。
第三步：关键验证点——测试时必须用连续两轮真实对话：第一轮问“SKF 6308轴承外径多少？”，第二轮紧接着问“那内径呢？”。如果第二轮回答里没自动关联“SKF 6308”，说明历史未生效。此时回到第一步检查系统提示词是否漏掉“全部历史记录”这个限定词，【漏掉“全部”二字会导致模型只看最近1句，而非整段对话】。
知识库召回策略调优：让历史+知识同时起作用
方法一：混合检索强制启用
进入智能体编排页 → 点击已绑定的知识库右侧「配置」→ 在「搜索策略」中选择「混合」→ 勾选「启用全文检索」和「启用向量检索」→ 保存。纯向量检索对“内径”这种短词召回率极低，必须靠全文检索补足关键词匹配能力。
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。
方法二：分块策略适配对话场景
若知识库文档是PDF产品手册，上传时不要用默认“按500字符切分”，改用「按标题层级切分」。因为用户问“内径”，答案通常在“技术参数”二级标题下，按标题切分才能让整个参数表格作为一个完整片段被召回，避免“内径”字段被割裂到不同片段里导致检索失败。
工作流中插入历史感知节点（高阶控制）
第一步：在工作流画布中，将「开始」节点输出 → 连接到「变量提取」节点。
第二步：在「变量提取」节点设置规则：从对话历史中提取最近一次用户消息里的型号关键词，正则表达式填 SKF\s+\d+|NSK\s+\d+|FAG\s+\d+，变量名设为 bearing_model。
第三步：把该变量节点输出 → 连接到「知识库」节点的「查询改写」字段，填入：“请基于型号{bearing_model}查找技术参数表”。这一步把对话历史固化为知识库查询条件，比单纯依赖模型理解更稳定可靠。
第四步：知识库节点输出 → 连接到「大模型」节点，在其系统提示词里加一句：“你收到的上下文包含两部分：①用户最新提问；②从知识库召回的{bearing_model}参数片段。请严格依据②回答，不得添加②中未出现的数据。”
