功能定位
在传统 RAG（Retrieval-Augmented Generation）方案中，系统通常只执行一次检索 + 一次生成。流程可以被抽象为：用户提问 → 系统检索若干相关文档 → 直接生成答案。这种方式在简单场景下表现良好，但在以下情况中容易失效：
问题需要跨多个文档整合信息；
用户查询条件复杂，如时间、地区、指标等筛选；
涉及表格、数据库，需要进行计算或 SQL 查询。
Agentic RAG 方案：一种让 Agent 具备自主思考、拆解、规划检索任务的方式，能够更加有效地应对以上场景。知识库检索 Agent 通过 Agentic RAG 方式自主规划并拆解知识库检索任务，支持通过多次调用检索工具和计算工具组合，为用户提供准确的回答。它不再“一次性检索”，而是能像人一样主动规划检索步骤、多轮调用工具，最后综合各方信息后，产出准确、可解释的答案。
功能与应用场景
知识库检索 Agent 通过 Agentic RAG 自主规划检索与计算任务，适用于复杂知识问答与数据分析场景，包括但不限于：
场景类型 | 说明 |
多文档整合 | 当答案来源于多个文档时，Agent 会逐步检索并综合信息回答。 |
文档筛选后回答 | 在多个类似文件中，基于时间、地区或类别筛选最相关文档后再生成答案。 |
复杂表格查询 | 结合 Text2SQL 、SQLExecutor 与 Code Interpreter 执行复杂数据分析或指标计算。 |
创建与配置知识库检索 Agent
第一步：在应用内导入文档
创建 Multi-Agent 模式应用，单击知识管理，导入文档。
第二步：生成知识库 Schema
第二步：生成知识库 Schema
知识上传完成后，单击右上角的知识库 Schema，在弹窗中单击生成知识库 Schema。
生成完成后，可在弹窗中查看知识库 Schema。
注意：
知识库 Schema 生成需要一定时间。建议在知识上传完成后或在知识库更新后，及时重新触发知识库的 Schema 更新。
如果知识库内容有改动，知识库 Schema 按钮将显示红点以提醒知识库有更新。再次单击更新，即可将知识库 Schema 更新到最新版本。
第三步：添加知识库检索 Agent
第三步：添加知识库检索 Agent
使用场景一：知识库检索 Agent 作为子 Agent
切换到应用设置，单击添加 Agent。
在添加 Agent 界面中，搜索知识库检索 Agent 后添加。
简单描述知识库问答 Agent 回答的问题范围，并补充到转交描述，例如：“负责政策问答的 Agent，完成政策问答咨询任务”。
参考模板和应用功能需求，填写检索规则和示例问答。
转交关系已默认配置了知识库检索 Agent 与主 Agent 之间的转交规则。
建议在主 Agent 的提示词中补充相关转交规则，以强化转交效果，例如：“咨询 xxx 类问题，请转交至知识库检索 Agent 回复。”
使用场景二：知识库检索 Agent 作为主 Agent 使用
如果核心场景是知识库问答，可以将知识库检索 Agent 作为主 Agent 使用，以减少转交带来的不稳定性。如果希望在主 Agent 中使用知识库检索 Agent，可在体验中心找到应用「地产问答助手」，然后点击立即体验。
单击右上角创建为我的应用后，再参考该应用的实现方式进行应用基本信息、提示词与知识库的修改。
第四步：体验测试与发布应用
知识库检索 Agent 工作原理
模型配置
模型配置
知识库检索 Agent 的模型配置与其他 Agent 相同，支持多个模型选择。支持在 模型配置 界面切换。
提示词配置
提示词配置
知识库检索 Agent 的提示词包含检索规则和示例问答两个部分，均需根据应用需求进行调整。两者共同定义了 Agent 如何理解用户问题、规划检索过程，并生成符合业务逻辑的回答。
检索规则：用于指导 Agent 解析自然语言查询中的业务语义、指标逻辑和检索偏好。开发者可根据业务需求自定义以下规则类型：
规则 | 用途 | 示例 |
业务映射规则 | 描述业务实体如何映射或归类 | 如客户 A 是某特定地区的客户，需要在检索时统一映射为「区域 A 客户」 |
指标说明逻辑 | 描述指标如何处理默认值或特殊情况 | 如果未指定付款方式，则默认查询「后付款」 |
数据检索偏好 | 描述数据检索时的偏好设置或拆分方式 | 建议按照月度拆分查询数据 |
示例问答：用于描述数据调用的分步骤规则，帮助模型更清晰地理解任务拆解、调用工具并生成答案。根据模板填写示例问题的输入、输出及对应的分步骤的检索过程。
转交描述
转交描述
知识库检索 Agent 的介绍说明，帮助模型判断何时转交至该 Agent。知识库检索 Agent 的转交描述可按照模板总结概括其功能。
建议用一句简明描述总结其职责范围，例如：“负责政策问答的 Agent，完成政策问答咨询任务。”
根据知识库内容不同，转交描述也可灵活调整，例如：
处理产品手册类知识问答；
响应企业内部制度咨询；
执行财务或数据分析类查询。
工具
工具
工具
知识库检索 Agent 已内置多种常用工具，无需额外配置。添加至应用后即可直接使用，暂不支持手动修改或删除。将知识库检索 Agent 添加到应用后即可直接使用，暂不支持工具的删改。工具范围如下：
工具名称 | 工具描述 |
知识库问答/KnowledgeRetrievalAnswer | 大模型结合全部知识库内容检索后，回答用户问题。 |
知识库问答/BoundedKnowledgeQA | 在指定范围内检索内容，并通过大模型总结回复，检索范围更精准。 |
知识库问答/Text2SQL | 接收用户的自然语言提问和数据库信息，自动生成可执行的 SQL 查询语句，返回执行后的数据结果。 |
科学计算/Calculator | 适用于简单的数值计算。 |
代码解释器/CodeInterpreter | 可进行代码执行，完成复杂的数值统计和数据计算。 |
知识库问答/SQLExecutor | 接受可执行的 SQL 语句和数据库信息，输出该 SQL 执行结果。 |
常见问题
什么场景下适合使用知识库检索 Agent ？
适合使用知识库检索 Agent 的场景包括：
1. 多文档/问答对/表格结合回复：需要从多个文档中提取部分结果，并综合信息来回答用户问题。
2. 文档筛选后回复：当需要根据特定规则（如时间、地区）从多个相似文档中筛选出最相关内容时。
3. 复杂表格数据查询：需要结合 Text2SQL 、SQLExecutor 和计算工具处理复杂的表格数据指标查询。这些场景通常需要多个步骤的检索、任务拆解和数据处理，Agent 能在这些任务中发挥自主规划和决策的优势。
这些场景通常需要多个步骤的检索、任务拆解和数据处理，知识库检索 Agent 能在这些任务中发挥自主规划和决策的优势。对于简单的场景，建议使用知识库检索插件或标准模式来进行知识库问答。
知识库检索 Agent 和知识库检索插件的区别？
知识库检索 Agent 是基于 Agentic RAG 方式的自主智能体，能够根据任务需求自主规划并拆解检索过程，支持多次调用检索工具和计算工具组合来处理复杂任务。它适合应对多文档综合回复、复杂数据查询等高复杂度场景。而知识库检索插件则使用常规的 single-pass 的 RAG 方式进行回答检索，执行单次的知识检索和查询操作，适合处理要依赖单一检索信息源的知识问答任务。
