知识库与评测
Mira 的知识库用于管理需要反复查询和引用的资料。
::: html
知识库解决的是「AI 可以依据什么资料回答」，它不负责定义角色的人设、语气和行为方式。
使用前准备
上传知识库文件之前，需要先配置默认的 Embedding 模型。
Embedding 模型负责把文本转换成可以进行相似度检索的向量。如果当前没有可用的默认 Embedding 模型，Mira 会暂时禁用知识库文件上传入口，并提示用户先完成模型配置。
Embedding 模型与日常聊天模型不是同一种用途。配置聊天模型并不代表知识库已经具备索引能力。
创建和编辑知识库
一个知识库可以包含以下基础信息：
| 字段 | 用途 |
|---|---|
| 名称 | 用于识别知识库 |
| 描述 | 说明资料范围与用途 |
| 人格 | 标记知识库适合配合的专业身份，例如医生 |
| 场景 | 标记典型使用场景，例如门诊问答 |
| 标签 | 用于分类和快速识别 |
其中「人格」和「场景」属于知识库元信息，不等同于角色卡。它们用于说明资料的适用背景，不会替代角色的完整提示词定义。
上传流程的第二步用于配置切块方式、长度、重叠、语言预设和文本清洗规则，并实时预览实际分段。
处理完成页会给出文件数和文本分块总数，随后即可返回知识库管理页面。
文本分段与清洗
上传流程的第二步提供分段预览。当前界面可以配置：
- 切块方式；
- 最大长度与重叠长度；
- 长度单位；
- 是否保留分隔符；
- 语言预设；
- 自定义分隔符；
- 连续空白替换、URL 与邮箱清理等预处理规则；
- 是否按问答结构分段。
右侧预览会显示抽样分块、分块总数、平均长度、最短块和最长块。这里是上传流程中最值得检查的一步：参数不合适时，应当在正式入库前调整，而不是等检索失败后再排查。
管理知识库文件
知识库列表集中展示文档状态、分段规模、召回次数和常用管理操作。
知识库列表用于查看和管理已经入库的文档。
当前页面分为两部分：
- 左侧用于搜索、创建和切换不同知识库，并显示每个知识库的文档数量与更新时间；
- 右侧用于管理当前知识库中的文档，可以按全部、可用和停用状态筛选；
- 文档表格显示名称、更新时间、状态与操作入口；
- 每份文档可以单独启用或停用；
- 页面支持编辑知识库、查看元数据、添加文件、删除所选文档和删除整个知识库；
- 底部汇总当前文件数与文本分块总数；
- 双击文档可以进入详情页。
删除文档后，与该文档相关的分块和索引数据也会一并移除。删除操作不可撤销。
查看文档详情与分段
文档详情同时提供基础信息与真实分段预览，用于检查解析和切分质量。
进入文档详情后，可以查看：
- 文档 ID；
- 来源与文件类型；
- 创建和更新时间；
- 标签；
- 字符数；
- 分段数量；
- 原始文件大小；
- 当前索引状态；
- 内容摘要；
- 文档分段预览。
分段预览会抽取分布较均匀的真实切分结果，帮助用户快速检查：
- 文档是否被正确解析；
- 标题、段落和列表是否被错误截断；
- 单个分段是否过长或过短；
- 乱码、页眉、页脚等噪声是否进入知识库；
- 重要内容是否仍然保留完整语义。
测试检索
文件成功入库不代表实际检索效果一定理想。
「测试检索」用于输入一个问题，观察系统能够召回哪些文档分段。它适合在以下情况下使用：
- 刚上传一批新资料；
- 调整了文档内容或分段方式；
- 用户提问时经常找不到正确资料；
- 检索结果命中了同一文档中的错误段落；
- 准备正式使用某个专业知识库之前。
测试时不要只输入文档标题。更有价值的测试问题，应当接近用户真实会问的自然语言问题。
例如，与其测试：
产后康复指南
不如测试：
剖宫产后多久可以开始低强度核心训练？
知识评测中心
单次检索测试适合快速排查问题；知识评测中心适合用一组样本持续检查效果。
当前评测能力覆盖两类模式：
- 仅检索：只检查知识库能否召回正确资料；
- 检索 + 生成：同时检查最终回答是否依据来源、是否切题、是否覆盖关键点。
评测结果可以包含：
| 指标 | 说明 |
|---|---|
| Hit@K | 前 K 个结果中是否出现正确内容 |
| Recall@K | 正确内容被召回的覆盖程度 |
| MRR | 正确结果在排序中的位置质量 |
| Faithfulness | 回答是否贴合来源，是否出现无依据扩写 |
| Relevance | 回答是否切题 |
| Completeness | 关键点是否覆盖完整 |
| Source Hit | 是否命中预期来源 |
| Avg Latency | 平均运行耗时 |
评测不是为了追求一个漂亮的总分，而是帮助用户发现资料、分段、检索、重排或回答生成中的具体问题。
重建索引
重建索引用于重新执行文档分段、向量化和索引写入。
适合重建的情况包括：
- 更换了 Embedding 模型；
- Embedding 维度发生变化；
- 调整了分段策略；
- 原索引损坏或状态异常；
- 文档内容已经更新，但索引仍然基于旧版本。
文档详情页提供「重建索引」入口。执行前应确认当前 Embedding 模型与分段配置，避免无意中改变已有检索结果。
正式知识库与 Markdown 工作空间
Mira 内部存在两条容易混淆的资料处理路线：
正式知识库
- 文件需要入库；
- 文档会被解析和分段；
- 使用 Embedding 建立向量表示；
- 可以进行检索、RAG 与评测；
- 适合长期积累、跨文件查询和稳定复用。
Markdown 工作空间
- 直接面向一组 Markdown 文件；
- 不要求把资料写入正式知识库；
- 不依赖 Embedding 索引；
- 更适合轻量浏览、整理、定位和验证项目文档。
两者可以服务相似任务，但不是同一个系统。用户不应为了临时阅读几个 Markdown 文件，被迫建立完整知识库；也不应把需要长期检索和评测的大量资料，仅当作普通文件夹处理。
使用建议
- 一个知识库尽量围绕相对清晰的主题或业务范围建立；
- 上传前先删除明显无关的页眉、页脚、广告和重复内容；
- 上传后至少检查一次文档详情和分段预览；
- 使用真实问题测试检索，而不是只搜文件名；
- 专业资料应保留来源、版本与更新时间；
- 高风险领域的知识库回答仍需人工判断，不能把检索结果当作最终专业结论；
- 知识库效果变差时，先判断问题来自资料、解析、分段、检索还是生成，不要立刻更换所有模型。