要为AI卡皮巴拉构建自定义知识库，需依次完成：一、准备结构化文本数据；二、使用JSONL格式批量导入；三、通过API接口动态注入；四、启用向量嵌入与分块策略；五、验证知识召回效果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望AI卡皮巴拉具备特定领域的专业知识或响应个性化内容，则需要为其注入结构化、高质量的数据。以下是构建AI卡皮巴拉自定义知识库的具体操作路径：
一、准备结构化文本数据
AI卡皮巴拉依赖清晰语义边界的文本输入进行知识理解与召回，非结构化长文档或扫描图片无法直接解析。需将原始资料转化为纯文本，并按主题/问答对/段落粒度切分。
1、提取PDF、Word等文档中的可编辑文字，删除页眉页脚、表格格式及无关符号。
2、将每份资料按逻辑单元拆分为独立条目，例如“Q：如何重置设备密码？A：长按电源键10秒后松开，等待蓝灯闪烁三次。”
3、为每条数据添加唯一ID与分类标签，如id:KPBL-2024-087、category:硬件维护。
二、使用JSONL格式批量导入
AI卡皮巴拉后台支持JSONL（每行一个JSON对象）作为标准数据接入格式，该格式确保字段明确、解析稳定、容错性强。
1、创建UTF-8编码的knowledge.jsonl文件，每行一个JSON对象，包含id、text、source、metadata四字段。
2、确保text字段内不含换行符与未转义双引号，示例：{"id":"KPBL-2024-087","text":"长按电源键10秒后松开，等待蓝灯闪烁三次。","source":"用户手册V3.2","metadata":{"category":"硬件维护"}}。
3、上传前用在线JSONL校验工具验证格式合法性，单个文件不得超过50MB且行数不超过10万行。
三、通过API接口动态注入
适用于需实时更新知识或与业务系统联动的场景，调用HTTP POST接口提交数据片段，绕过人工上传流程。
1、获取管理员Token，调用/v1/knowledge/batch_insert端点，Header中携带Authorization: Bearer <token>。
2、Body采用multipart/form-data格式，其中file字段传入JSONL二进制流，namespace字段指定知识库分区名称，如hr_policy_2024。
3、接口返回202状态码及task_id后，需轮询/v1/task/{task_id}直至status变为completed，失败任务需检查text字段是否含控制字符或超长字符串（单条text上限8192字符）。
四、启用向量嵌入与分块策略
原始文本需经嵌入模型转换为向量并切片存储，直接影响检索精度与响应相关性，不可跳过配置环节。
1、在知识库设置页选择嵌入模型版本，推荐选用kpbl-embed-v2，其对中文技术术语识别准确率提升37%。
2、设置chunk_size为512 tokens，overlap为64 tokens，以保留上下文连贯性；禁用自动摘要功能，避免关键参数被删减。
3、点击“触发向量化”按钮后，系统将逐条处理并生成索引，进度条达100%即完成加载。
五、验证知识召回效果
数据注入完成后必须执行多维度测试，确认知识已真实生效并能被正确匹配，而非仅显示“已导入成功”提示。
1、在调试面板输入至少3类问题：精确匹配句（如原文出现的完整问句）、近义改写句（更换动词或语序）、缩略术语句（如用“PSE”代替“电源安全模块”）。
2、查看返回结果中的source_id是否指向已上传条目，score值是否高于0.72阈值。
3、若某条数据始终未被召回，检查其text字段是否包含全角空格、零宽字符或连续标点，此类隐式污染字符会导致嵌入向量生成异常。
