分享下cos知识库和记忆组件。企业有内部数据，AI基于大模型预训练数据，缺垂直领域知识。若让AI懂业务并整合，可建知识库，扣子有该功能，支持上传存储外部知识。比如客服知识库，有银行问题问答。希望AI学行业知识，回答问题参考库内容而非原有知识。
这叫rog技术，外挂知识库可解决大模型幻觉及专业知识不足问题，提升回复准确率。扣子知识库有两能力：一是存储管理外部数据，能基于cos上传管理文档；二是检索增强，支持多种数据源格式，如本地文档、在线数据等，上传后自动切分存储，还能自定义分片规则。
扣子知识功能有多种检索方式，如全文检索，大模型据召回内容生成回复。知识库应用场景广泛。首先，补充语料，比如创建虚拟形象与用户交流，在知识库保存其相关语料数据，后续智能体通过向量召回相关语料，模拟形象语言风格回答。
其次，客服场景中，把用户高频问题、产品手册内容上传至cos知识库，借此精准回答用户问题。垂直领域方面，创建含汽车详细参数的知识，如查询车型油耗时可召回识别。
实操时，在资源库找知识库模块，有文本、表格、图片等类型。先用文本数据，如“智能客服知识库”，上传文档创建导入。已创建知识库后拖拽文档上传，下一步它会提取关键要素，耗时久，PDF涉及图片需OCR及表格处理，markdown同理。若无需提取图像表格，选呈文本即可。TXT文档无需考虑精准解析，用快速解析。分段策略按自动分段与清洗规则就行。按他要求，若有特殊需求，比如换行服务，像两个换行句号叹号这类，一般依换行服务分段，每段最大 800 字符。重叠度约 10%，即分段时，后一段与前一段有 10%内容重叠。因召回知识库片段时，可能因 token 超上下文限制丢内容，重叠 10%可避免上下文丢失，但重叠度不是越高越好，高了会数据冗余，不关心可选自动分段清洗。
配置存储能用云搜索服务，可私有云私有化，不想存默认存储就选平台共享存储，点下一步可预览原始文档分段逻辑，分完段去除非文本内容。再点下一步处理，剩余六分多钟，等上传完看处理效果，行业垂直领域要传行业知识库。
知识是给智能体或工作调度用的静态数据，检索时作参考，终端用户无法改；记忆是智能体运行中应用的记忆功能，多与绘画相关。比如说你跟智能体绘画聊天时，有上下文对话记录，还有传过来的参数变量。节点工作流中，每个节点都有数据传递，这就涉及记忆。
有些数据像上下文、生成内容，想保存到数据库，还希望有长期记忆，记住用户画像等。这些是智能体终端用户使用时产生的动态数据，不支持跨智能体使用。比如智能客服的记忆就只在其自身应用里。但知识库能被多个智能体引用，是公共的。
以租房平台智能体为例，知识存储周边房屋信息等，由开发者维护，用户只能看不可改，可跨智能体系用。记忆是用户个人相关数据，如楼盘喜好等，按智能体隔离。
知识库类型主要有三种。文本型用于知识问答，表格型做数据分析，可导入CSV等数据，图片类用于生成、识别及标注等，导入方式多样。内容分段有自动和手动，表格按行分片。索引用于表格数据，通过内容比对找相似度最高项生成。图片需标注，明确内容以便后续匹配。
知识库暂不支持多人写作，仅管理员和团队所有者能修改，普通人无权限。创建知识库在资源库右上角选知识库，可按类型上传，我已创好文本、客服知识库，大家可按步骤上传。
扣子对知识库有使用限制，数量上1000个数据库、300个文件，文件大小因版本而异，专业版10GB，技术版1GB，上传大文件看官方文档。库中涉个人隐私如邮箱地址等会被屏蔽，注意数据安全。
我创建了文本知识库，流程如分段解析等，除文档外，微信公号、nation、飞书等也支持导入。
配置时可选不同分段策略，PDF、含图片的表格或word文档等一般选精准解。那得用精准解析才能拿到完整内容，快速解析是纯文本，速度快些。分段策略本地上传文件时自动分段清洗，一般选自动就行，特殊要求就自定义分段配策略。
配置存储能存云平台或企业私有化服务器。在线数据主要是爬取采集，飞书文档使用方便，公众号导入地址就行，还能自定义数据采集解析。
知识库咋用在智能体里呢？先创建智能体，比如随机生成个银行智能客服智能体。让它自动化生成效率高，有自定义内容，标准版也可。左边提示词都弄好了，包含角色等，不满意可优化。技能一是解答业务问题，没知识库效果可能不好，之后要配知识库。技能二是提供服务咨询相关逻辑，比如用户咨询开户流程等。其他的等等。那我们要给出一些建议，这是它的一个技能。限制就是仅回答与银行业务相关的问题，其他不回答，给智能体做限定。
比如作为银行客服，问如何查询账户余额，结果是说网上银行、电话银行，其实还有APP没说。再问如何修改账户密码，答得有点多，知识库还没用。等配上知识库再看，效果不同，答案比较泛。现在要做的是弄上知识库，找到知识库地方，选文本添加，创建客服知识库。
长期记忆开启，不是文件盒子，选知识库文本加。有了客服知识库后，再问如何修改账户密码，它会搜索知识库，把分段内容匹配出来，比如这段关于修改密码的。
这里用到向量检索，靠相似度匹配，底层把文本转成向量，就像二维坐标有点A、B，向量就是把文本转成类似二维坐标的东西。A点可能代表文本中的某个词，B点代表另一个点。计算它们的相似度，即AB两点间的夹角是否接近1，这就是余弦相似度。接近1意味着坐标相近；若度数相差远，如0.1，则说明无相关性。
还有欧式距离，计算两点间的直线距离。距离小则说明它们接近，这叫相似度匹配。可以把向量理解为坐标，比如“如何修改账户密码”这个问题会转化成一个向量。知识库里的内容也是一堆向量，如V1、V2、V3等。系统会匹配这些向量，找出相匹配的，再转换成文本输出。
那为什么能精准找到这句话呢？因为做了top k排序，就是召回率和评分度最高的优先。内容会排序，比如一0.99，二0.80，三0.60，最终保留最接近的那个。这就是相似度匹配的逻辑，为什么要用知识库？因为它效果好，能做语义识别。
有同学问，为什么不用传统数据库？传统数据库做模糊匹配没问题，但做相似性匹配就不行。因为词可能搜不到，但语义接近也能匹配出来，这叫语义匹配。这里面的逻辑就是做了相似匹配，这个叫相似度。
知识库也可以做各种管理。在这个资源库中，知识库可编辑、添加、修改，能进行停用等管理操作，选用不同知识库处理也没问题，功能较全，大家可体验。
再说记忆，扣子中有四块与记忆相关。首先是变量，之前分享过扣子工作流，里面有变量传递。比如从工作流输入内容为变量input，调用大模型时通过该变量传递，在用户提示词处用双层花括号写变量，大模型接收后作为输入参数调用。
调用大模型后得结果，对话时有变量传递且有记忆功能，还能记录绘画。系统也有变量，如用户唯一ID、物理位置、飞书绘画ID等。还可创建变量，默认能用系统变量，输入等也可自行添加。比如说现在在这个智能体里，回到刚才那个智能体中。看这里有个变量，能添加。比如要用户唯一 ID、经纬度及用户信息全局变量，加进来后启用才能获取，不启用读不到，还需输入。在智能体应用里可加变量逻辑，类似记忆。
还有数据库，用于存对话记录、业务数据等。比如采集用户聊天信息，可在此处添加数据库，基于模板创建实例。随便创建个数据库，能加数据，像智能客服场景，用户聊完问题，数据可存进数据库，两者可关联，数据能保存。
手动新增数据后，聊天时也可采集数据并保存，一般用于用户填表单等记录信息时。要创建数据表格来存储数据，还可做数据关联，具体要配置，把逻辑关联好。比如生成时间数据，单独建表存储，作为记忆内容。比如选已存数据库，查看底层，找GG存数据库位置。提示词可添加使用数据表描述，如将用户数据准确记在day experience表，定义好列名等。要优化提示词，还需把聊天数据存数据库，看它优化情况。聊天记录要存reading notes，测试能否保存，问问题看结果。
已调用数据库，聊天记录成功保存。换视图看，有用户询问改密码记录。清空后，再问联系客服及保存数据，答案给出后能保存。
看数据库结果，两个问题记录都进来了，历史数据notes完整，数据结构有调整，表结构未大改，还加了其他内容。好，这是数据库记忆和长期记忆。在提示词里可开启长期记忆选项，开启后能总结聊天内容，更好响应用户数据，会记住整个对话记录，关联上下文。长期记忆可召回，作为知识库匹配逻辑。长期记忆也能管理关闭。
还有文件盒子，是cos能力之一，提供多模态数据合规存储，开启后能上传文件，有加号。智能体可自动保存文件，文件也成记忆逻辑一部分，历史文件可作聊天内容传递。
以上就是cos智能体记忆与知识库组件分享。有帮助欢迎一键三连，关注反馈促我更新，评论区回复666领个人资料，下期见。