基于大模型的流式 RAG 问答服务
知识问答服务基于大模型结合知识检索能力，支持绑定多个知识库，自动检索相关内容并生成自然语言回答。通过控制台创建和配置问答服务，发布后可通过 API 集成到应用中。
点击检索模式下拉框右侧的 
图标可配置检索模式的高级参数。
点击知识库右侧的展开图标，可配置该知识库的独立检索参数：
知识问答通过 chat 接口 调用，返回 SSE 流式响应：
问答响应按以下顺序返回事件：
平台不保存对话状态，每次请求需传入完整
创建问答服务
1
进入知识问答页面
登录控制台，进入 知识服务 → 知识问答。
2
创建服务
点击右上角 创建问答服务，在弹窗中填写：
- 服务名称（必填，最多 40 个字符）
- 描述信息（可选，最多 200 个字符）
3
配置模型与提示词
创建成功后自动进入配置页面：
- 模型：选择生成回答的大模型（如 qwen3.6-plus），点击模型右侧的 图标可配置 temperature 和 enable_thinking 参数
- 提示词（可选，最多 500 个字符）：指导模型的回答风格和行为
4
选择检索模式
选择检索策略，见下方检索模式说明。
5
绑定知识库
点击 + 添加，绑定一个或多个知识库（最多 15 个）。开启优先级开关后，可通过拖拽调整知识库排序，排序越靠前的知识库检索结果优先级越高。如需为单个知识库设置独立参数，点击知识库右侧的展开图标，展开该知识库的配置面板，见下方知识库独立配置。
6
配置生成控制
根据需要启用文件预解析、拒答、防泄漏等生成控制参数，见下方生成控制参数。
7
测试问答
在右侧的调试窗口中输入问题，查看模型生成的回答、引用来源和检索过程。支持上传附件（需开启文件预解析）。
8
发布
配置完成后，点击右上角 发布。发布后可通过 API 调用该问答服务。
- 已创建至少一个知识库，且知识库中已有解析完成的文档。
- 如需使用多知识库联合问答，各知识库须位于同一业务空间下。
检索模式
| 模式 | 工作方式 | 适用场景 |
|---|---|---|
| 极速 | 单轮检索后直接生成回答，支持 Query 改写开关 | 简单明确的问题、对响应速度敏感的场景 |
| 多轮智能检索 | 基于大模型进行多轮规划搜索（Agentic），自动进行意图识别、Query 改写和知识库路由，可配置 ReAct 最大轮次 | 复杂问题、模糊问题、需要跨库综合回答的场景 |
图标可配置检索模式的高级参数。
知识库独立配置
点击知识库右侧的展开图标，可配置该知识库的独立检索参数：
| 参数 | 取值范围 | 说明 |
|---|---|---|
| Query 改写 | 开/关 | 对用户输入进行优化改写，提升检索效果。极速模式下通过此开关控制；多轮智能检索模式下由 Agent 自动改写 |
| 初步向量检索 TopK | 1~100 | 向量检索阶段初步召回的切片数量 |
| 初步关键词检索 TopK | 1~100 | 关键词检索阶段初步召回的切片数量 |
| 排序模型 | qwen3-rerank 等 / 不使用模型 | 对该知识库的召回结果独立排序。纯文本知识库可选 qwen3-rerank 系列；多模态知识库可选 qwen3-vl-rerank |
| 排序模型模式 | 问答模式 / 相似模式 | 问答模式按 QA 匹配度排序；相似模式按语义相似度排序。仅在排序模型开启时可用 |
| 相似度阈值 | 0.01~1.0 | 过滤排序后分数低于阈值的切片。值越高结果越精确，但可能遗漏相关内容 |
| 最大召回数量 | 1~20 | 该知识库排序后返回的切片数量 |
| 标签过滤 | — | 根据文档标签过滤检索范围。输入标签后回车确认，或从下拉列表中选择已有标签 |
不同知识库类型展示的参数有所不同。文档搜索类型展示全部参数；图片问答等多模态类型不展示 Query 改写和 TopK 参数。
生成控制参数
| 参数 | 说明 |
|---|---|
| 文件预解析 | 开启后，可在调试窗口通过附件按钮上传文件（包括图片和文档）进行问答。提供两种解析模式：全文引用（解析完整内容作为上下文）和切片检索（将文件切片后结合知识库检索） |
| 拒答 | 开启后，当检索结果不足以回答问题时，模型拒绝回答并返回自定义的拒答话术 |
| 防泄漏 | 开启后，防止知识库原文在回答中被直接泄漏，检测到可能泄漏时返回自定义的防护回复 |
| 多模态回复 | 开启后，模型回答中会包含知识库中的图片等多模态内容 |
| 引用 | 开启后，模型回答中展示引用来源，标注回答内容出自哪个文档 |
API 调用
知识问答通过 chat 接口 调用，返回 SSE 流式响应：
SSE 事件类型
问答响应按以下顺序返回事件：
| 事件 | 说明 |
|---|---|
tool_calling | 开始调用知识库检索 |
tool_return | 检索结果返回，包含命中切片 |
plan_start → planning → plan_end | 生成计划阶段 |
generation_start → generating → generation_end | 流式生成回答 |
多轮对话
平台不保存对话状态，每次请求需传入完整 messages 历史。建议：
- 限制历史长度（最近 10 轮），避免超出模型上下文窗口
- 检索时仅基于最新一条 user message，降低噪声