需完成数据准备、向量化、检索链路配置与生成集成四步：一、清洗文本并转为UTF-8 TXT，删除冗余内容，保留专有名词，分块控制在800字符内；二、用CSDN星图启动FAISS实例，选用Text-Embedding-v4模型与IVF-Flat索引；三、上传TXT或ZIP包，启用512-token自动分块，完成向量化入库；四、在DashScope创建知识库，设Top-K=5、相似度阈值0.45，绑定qwen-max模型并启用引用溯源。
☞☞☞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☜☜☜
如果您希望利用通义千问构建具备语义检索能力的企业知识库，则需完成数据准备、向量化、检索链路配置与生成集成等关键环节。以下是实现RAG知识库检索的具体操作步骤：
一、确认知识源格式并完成文本清洗
原始文档若含扫描图像、加密PDF或非UTF-8编码内容，将导致文本提取失败或语义失真，必须统一为可解析的纯文本格式，并清除干扰信息。
1、将Word、PPTX、Markdown等文件导出为UTF-8编码的TXT文件；
2、打开TXT文件，手动删除页眉页脚、重复标题、广告水印及乱码字符；
3、对技术文档中出现的专有名词（如Qwen3-Reranker-0.6B、Paraformer-v2）保留原拼写，禁用自动纠错替换；
4、每篇文档控制在500–2000字之间，超长文档须按语义段落切分，单块不超过800字符。
二、选择向量数据库并初始化实例
向量数据库承担索引中枢职能，其选型直接影响响应速度与检索精度，需依据部署规模与硬件条件匹配合适方案。
1、登录CSDN星图平台，在“AI服务”栏目中选择“通义千问+RAG构建镜像”，点击“一键启动”；
2、在配置面板中将数据库类型设为FAISS（适合中小规模知识库，启动快、内存占用低）；
3、向量化模型保持默认的Text-Embedding-v4，该模型对中英混排术语识别准确率高于98.7%；
4、索引模式选择IVF-Flat，兼顾检索精度与毫秒级响应需求；
5、点击“创建实例”，等待状态栏显示“运行中”后进入管理控制台。
三、执行文档向量化与入库操作
此步骤将清洗后的文本转化为高维向量并存入数据库，是实现语义检索的前提，平台内置流水线自动完成分块、嵌入、索引三阶段处理。
1、在控制台左侧导航栏点击“数据上传”，选择“批量导入文本”；
2、拖入已清洗完毕的TXT文件夹（支持ZIP压缩包，最大500MB）；
3、上传完成后，勾选“启用自动分块”，块大小设为512 tokens；
4、点击“开始处理”，界面实时显示进度条，典型100篇文档处理耗时约2分17秒；
5、状态变为“就绪”后，可在“向量统计”页查看总向量数、平均维度（默认1024）、最近更新时间。
四、配置RAG检索增强链路
RAG链路需明确区分检索器与生成器职责，避免将全部逻辑压入大模型提示词，确保召回结果经由细粒度重排序后再交付生成。
1、在DashScope控制台“知识库”模块中创建知识库，填写名称并选择语言类型；
2、上传PDF、TXT、Markdown、Word格式文档（单次最多50个文件，总大小不超过2GB）；
3、上传完成后查看分块预览，手动调整分块策略，关键提示：务必关闭“自动扩展同义词”以避免召回偏离业务术语的干扰片段；
4、配置检索参数，设置Top-K为5、相似度阈值为0.45，并启用“引用溯源”，确保生成答案时附带原文段落标识与文档来源；
5、绑定模型为qwen-max或qwen-plus，在发布页面获取专属API端点，后续可通过curl或SDK调用。
五、本地部署Qwen-Agent挂载Chroma向量库
适用于对数据不出域有强约束的场景，所有文档处理、向量存储、检索推理均在企业内网完成，不依赖云服务。
1、执行命令git clone https://github.com/QwenLM/Qwen-Agent.git，进入项目根目录后运行pip install -e .安装核心依赖；
2、准备知识文档集，存放于./knowledge/base/路径下，仅保留当前有效版本，严禁混入草稿、作废文件或未授权扫描件；
3、修改examples/rag_demo.py中vector_store_path参数为./chroma_db，运行python scripts/build_vector_store.py --input_dir ./knowledge/base/ --output_dir ./chroma_db启动向量化任务；
4、启动服务时指定--llm qwen2.5-7b-instruct --vector_store chroma，并确认日志中显示“Chroma collection loaded with 1287 documents”；
5、向/chat接口发送POST请求，携带字段{"query": "差旅报销需要哪些附件?", "knowledge_base": "hr_policy"}，验证响应是否准确引用《2024版费用管理办法》第3.2条。
