设定索引方法与检索设置：高效管理知识库

选定内容的分段模式后，接下来设定对于结构化内容的索引方法与检索设置。

在构建知识库时，索引方式和检索设置直接决定了检索效率和回答的准确性。就像搜索引擎依赖高效的算法来快速找到网页内容一样，合理的索引方法和检索设置能帮助语言模型（LLM）更精准地获取信息。本文将带你详细了解如何设定索引方法，以及高质量和经济两种模式的特点与应用场景。

设定索引方法

在选择索引方法时，你可以根据需求选择“高质量”或“经济”两种模式。每种模式都有其独特的适用场景和检索设置选项。

高质量模式

高质量模式通过 Embedding 嵌入模型，将分段后的文本块转换为数字向量，帮助压缩和存储大量文本信息。这种方式使得用户的问题与文本之间的匹配更加精准。

高质量模式支持以下三种检索设置：

• 向量检索
• 全文检索
• 混合检索

需要注意的是，一旦选择高质量模式，知识库的索引方式无法降级为经济模式。如果需要切换，建议重新创建知识库。

此外，高质量模式下还可以启用 Q&A 模式（仅适用于社区版）。这种模式会对文本进行分段并生成 Q&A 匹配对，采用“Q to Q”（问题匹配问题）策略，而不是常见的“Q to P”（问题匹配段落）策略，支持中、英、日三种语言。

经济模式

相比高质量模式，经济模式更加注重资源的节约，适用于计算资源有限的场景。不过，经济模式的检索设置相对简单，不支持向量检索等高级功能。

指定检索方式

知识库的检索方式决定了 LLM 能获取的背景信息，从而影响回答的准确性和可信度。以下是高质量索引方式下的三种检索设置：

1. 向量检索

向量检索通过将用户问题和文本块转化为向量，计算它们之间的相似度来匹配内容。

主要设置包括：

• Rerank 模型：默认关闭。开启后，可以使用第三方模型对召回的内容重新排序，优化输出质量。
• TopK：设置筛选与用户问题相似度最高的文本片段数量，默认值为 3。
• Score 阈值：设置相似度的最低分数，默认值为 0.5。

Rerank 模型需提前配置 API 秘钥，开启后会消耗额外的 Tokens。

2. 全文检索

全文检索基于关键词匹配，通过倒排索引快速找到相关文本片段。设置选项与向量检索类似，包括 Rerank 模型、TopK 和 Score 阈值。

3. 混合检索

混合检索结合了向量检索和全文检索的优点

可以通过以下方式优化结果：

• 权重设置：调整语义检索与关键词检索的权重比例，灵活应对不同业务场景。
• Rerank 模型：对召回的内容进行重排序，提升匹配精度。

检索设置的灵活性

在高质量索引设置下，你可以根据实际需求调整以下参数：

• TopK：决定召回的文本片段数量。数值越高，召回的片段越多。
• Score 阈值：限制召回片段的相似度分数，提高结果的精准性。

此外，混合检索还支持自定义语义和关键词的权重比例。例如：

• 将语义权重调至 1：仅启用语义检索，适合处理多语言内容。
• 将关键词权重调至 1：仅启用关键词检索，适合明确查询场景。

高质量索引与 Q&A 模式

如果你的知识库内容以常见问题文档为主，可以考虑启用 Q&A 模式。这种模式直接匹配问题与答案，适用于高频和高相似度问题的场景。需要注意的是，Q&A 模式可能会消耗更多的 LLM Tokens。

设定索引方法和检索设置是知识库构建的核心环节。高质量模式虽然资源消耗较高，但能提供更精准的匹配结果；而经济模式则适合对性能要求不高的场景。至于检索设置，灵活调整 TopK、Score 和权重比例，可以根据实际需求优化检索效果。无论选择哪种方式，关键是找到最适合自己业务场景的组合，这样才能最大化地发挥知识库的价值。

想深入了解DeepSeek的核心玩法 扫描下方二维码加入微信群