文档知识库准备

将产品手册、报告等资料解析、分段并写入知识库，同时保存解析结果和来源关系。处理完成后，可以在知识库中检索文档内容，并查看保存的解析文件。

本模板建立文本索引。需要检索页面图片或文档中的图片对象时，选择文档知识库准备（含图片索引）；需要分析工程图纸时，选择图纸解析。

开始前准备

准备项	如何选择
源文件	将待处理资料上传到 Catalog 卷。首次使用可先选一份熟悉的 PDF 或 Word 手册，方便核对结果
知识库	选择已有知识库，或在配置时创建；所选知识库提供文本索引表和嵌入模型
输出位置	准备用于保存解析结果的 Catalog 卷或目录

源文件和输出位置分别用于读取和保存。配置时逐项确认，避免把结果保存到不易查找的位置。音频或视频资料请使用对应的语音或视频模板。

载入模板

1. 在工作流创建页面选择 从模板开始。

2. 搜索 文档知识库准备，选择模板并载入画布。

3. 检查画布中的处理步骤，再填写运行参数。

下图展示模板选择入口。

理解处理步骤

下面按模板的执行顺序展示完整流程。框内说明各步骤处理的数据，连线表示先后顺序。

1. 读取 MOI 卷：确定本次处理的文件，取得文件来源和原始文件 ID。

2. 文档解析：读取源文件，生成包含正文及来源信息的文档数组。

3. 分段：对解析文档按长度切分，生成用于索引的文本块。

4. 嵌入并添加到知识库：为分段结果生成向量，写入所选知识库的索引表。

5. 写出文档文件：将解析文档写成文件，供后续登记来源关系使用。

6. 存至 MOI 卷：将解析文档保存到指定输出位置。

7. 血缘登记：记录原文件、解析产物、结果文件与文本索引之间的关系。

知识库使用分段结果，文件保存步骤使用分段前的解析文档。 因此，下载结果文件时看到的记录数量，不一定等于分段数量或索引写入行数。

模板已经配置了这些数据绑定。调整节点时，保留解析结果与分段结果各自的引用，避免让保存步骤误用某个中间节点的输出。绑定方式见变量与数据传递。

配置本次处理

选择资料和目标

配置	填写方式
源文件	选择要处理的文件或卷；选整个卷时，检查文件范围和类型
解析档位	必填，默认 标准；根据资料结构调整
知识库	选择或创建接收文本索引的知识库，确认其嵌入模型
输出位置	选择接收解析结果的卷或目录

从卷读取时，可按文件类型筛选。只想验证部分内容时，也可以在解析配置中设置页码范围，例如 1-3。页码从 1 开始；未设置页码范围时处理全部页面。

选择解析方式

资料特点	配置建议
常规手册、报告	先使用 标准，运行后检查正文和表格
已有文字和结构的 Office 文档	可选择 原生，检查源文件结构是否被保留
扫描件、复杂表格、公式或多栏版面	使用 增强，按需调整表格、图片和阅读顺序选项

增强档位的详细参数见文档解析。调整解析选项后，先核对正文是否正确，再判断是否需要修改分段设置。

调整分段和索引

以下是本模板的默认值。

配置	默认值	作用与调整方法
文本块大小	512	可切分文本的目标字符长度。块内缺少上下文时，可增大后对比；一个块混入多个主题时，可减小后检查
重叠字符数	50	相邻块重复保留的字符数。检查跨块内容是否需要更多上下文；必须大于等于 0 且小于文本块大小
三级索引（doc/section/chunk）	开启	同时建立文档、段落和文本块层级的索引
Section 大小	5	开启三级索引时，每个段落组合的连续文本块数

文本块大小按字符计算，不是模型 Token 数。表格和代码块保留结构，实际长度可能超过目标值。详见分段和嵌入并添加到知识库。

运行并检查结果

1. 保存参数后发起手动运行。系统先保存当前工作流，再提交执行；如果提示参数缺失，补全并保存表单后再次运行。

2. 打开运行记录，检查读取节点的文件数量，确认本次处理范围。

3. 查看解析节点的正文和来源信息，对照原文件检查标题、表格及关键内容。

4. 查看分段输出，检查段落边界、相邻块上下文和来源信息。

5. 查看知识库写入节点的目标表和 written，确认索引写入结果。

6. 打开输出位置，查看保存的解析文件；需要追溯来源时，检查最后的血缘登记结果。

7. 在知识库中检索一段已知内容，核对返回内容是否来自预期文件。

各处结果分别表示什么

检查位置	关注内容
文档解析节点	documents 是解析文档；plain_text 便于检查正文
分段节点	documents 是切分后的记录，保留来源信息
知识库写入节点	written 是实际写入行数；开启三级索引后包含多个层级，不能直接当作文件数或文本块数
文件写出与保存节点	file_id 表示主要文件，file_ids 覆盖全部结果；多来源输入可能产生多个文件
血缘登记节点	检查来源资产、解析资产和索引资产是否与本次处理对象一致

输出保存步骤按 ZIP 配置处理。文件写出步骤的结果也会随解析产物变化：普通记录可写为 JSONL，带有关联解析产物时可形成 ZIP。检查实际返回的文件列表和格式，说明见写出文档文件。

示例：准备产品手册知识库

以一份包含章节标题和参数表格的产品手册为例：

1. 选择该手册作为源文件，选择用于产品资料的知识库和输出卷。

2. 使用标准解析，保留 512 / 50 的分段设置、三级索引和 Section 大小 5。

3. 发起运行，对照手册检查一个完整章节和一张参数表格。

4. 用手册中有明确答案的问题验证检索，例如某个参数的取值范围，并核对返回内容。

5. 如果参数表格解析不完整，调整增强解析中的表格选项，再用同一份资料对比结果。

重新运行前确认目标知识库和输出位置，检查已有结果是否需要保留；涉及覆盖或重复写入时，先核对相关节点配置。

常见问题

现象	检查方法
处理了不需要的文件	检查源文件选择和文件类型筛选，再查看读取节点的数量
表格缺字或阅读顺序不正确	先对照解析输出与原文件；按需切换增强档位，调整表格或阅读顺序设置
检索片段缺少上下文	先确认解析正文完整，再检查分块边界、重叠字符数和多级索引设置
写入行数比文件数多	开启三级索引后会生成多个层级的记录，结合分段结果核对，不能直接按文件数量判断异常
没有找到保存文件	检查保存节点是否完成、目标位置是否正确，并查看全部 file_ids
索引已写入，但整个流程失败	查看后续写出、保存或血缘登记节点的错误；重新运行前检查已经写入的结果
希望检索图片本身	改用含图片索引的模板，并配置图片模型与索引

更多运行排查方法见运行与调试。

最后更新于 2026 年 9 月 15 日