如何在 Agno（Phidata）中正确加载 PDF 知识库以支持语义检索-Python教程-PHP中文网

如何在 Agno（Phidata）中正确加载 PDF 知识库以支持语义检索

Agno 默认不会自动为 PDF 知识库生成和存储向量嵌入，必须显式调用 load() 方法触发文档解析、分块与嵌入入库，否则 Agent 查询将因知识库为空而返回“未找到结果”。

agno 默认不会自动为 pdf 知识库生成和存储向量嵌入，必须显式调用 load() 方法触发文档解析、分块与嵌入入库，否则 agent 查询将因知识库为空而返回“未找到结果”。

在使用 Agno 构建基于 PDF 的知识型 Agent 时，一个常见误区是认为只要传入 PDF URL 并配置好向量数据库，知识库就会“自动就绪”。实际上，PDFUrlKnowledgeBase 仅定义了数据源与存储结构，真正的知识注入（即 PDF 内容的解析、文本分块、向量化及写入向量库）需手动触发。

关键步骤如下：

调用 knowledge_base.load()：该方法会依次完成：
- 下载 PDF（支持 arXiv、公开 URL 等）；
- 使用内置 PDF 解析器提取纯文本（保留章节结构）；
- 按语义边界（如段落、标题）进行智能分块；
- 调用指定 Embedder（如 text-embedding-3-small）生成向量；
- 将文本块及其嵌入批量写入 LanceDB 表中。
recreate 参数说明：

Sina Market (GSAgent)
从新浪财经公开网页获取多市场行情数据并进行检查，适用于获取A股报价、香港股票等。

下载
- recreate=True：强制清空原表并重建（推荐首次运行或 PDF 更新后使用）；
- recreate=False：仅增量添加新文档（若 URL 未变且表已存在，将跳过已处理文件）。

✅ 正确示例代码（含错误防护建议）：

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.embedder.openai import OpenAIEmbedder
from agno.knowledge.pdf_url import PDFUrlKnowledgeBase
from agno.vectordb.lancedb import LanceDb, SearchType

api_key = "sk-XXX"

knowledge_base = PDFUrlKnowledgeBase(
    urls=["https://arxiv.org/pdf/1311.2524v5"],
    vector_db=LanceDb(
        uri="tmp/lancedb",
        table_name="paper",
        search_type=SearchType.hybrid,
        embedder=OpenAIEmbedder(id="text-embedding-3-small", api_key=api_key),
    ),
)

# ✅ 必须调用：初始化并填充知识库
try:
    knowledge_base.load(recreate=True)  # 首次运行建议设为 True
    print("✅ Knowledge base loaded successfully.")
except Exception as e:
    print(f"❌ Failed to load knowledge base: {e}")
    raise

agent = Agent(
    model=OpenAIChat(id="gpt-4o", api_key=api_key),
    description="You are a person who read a paper and knows about it",
    instructions=[
        "Search only the knowledge base.",
        "Don't search the web.",
        "Always cite specific sections or page numbers if available."
    ],
    knowledge=knowledge_base,
    show_tool_calls=True,
    markdown=True
)

# 现在查询可正常命中
response = agent.print_response("What is the title of the paper?", stream=True)

⚠️ 注意事项：