必须统一索引多格式语义结构才能避免检索异常；需准备合规PDF（含可复制文字）、DOCX、XLSX（首行为列名、无合并单元格及空行）和静态HTML网页URL，创建时选“文本”类型知识库，分批次上传并启用“自动分段与清洗”，最后验证各格式解析效果。
☞☞☞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☜☜☜
要在扣子平台构建一个能同时理解PDF说明书、Word话术文档、Excel产品参数表和网页FAQ的混合知识库，必须让系统识别不同格式的语义结构并统一索引，否则检索时会出现PDF段落被切碎、表格字段无法匹配、网页内容漏采等问题。
准备多源文件并校验格式合规性
收集待入库的全部文件：至少1份PDF（如《智能音箱用户手册》）、1份DOCX（如《客服标准应答话术》）、1份XLSX（如《2026Q2产品参数总表》）、1个有效URL（如公司官网FAQ页面）。【PDF文件必须含可复制文字，扫描图转PDF不支持OCR，上传后将无法分段】
检查XLSX文件：首行为列名（如“型号”“续航时间”“接口类型”），无合并单元格，数据行连续无空行。若存在空行或标题错位，上传后系统会跳过整块区域。
打开目标网页URL，确认页面加载完成且FAQ内容为静态HTML文本——若依赖JavaScript动态渲染（如点击展开才显示答案），需改用Notion或飞书文档中转。
创建知识库并选择混合数据源类型
登录扣子平台→进入团队工作区→点击左侧导航栏「知识库」→右上角「创建知识库」。
填写名称（如“全渠道产品知识库”）与描述（限200字），注意【同一团队内知识库名称不可重复，重名将导致创建失败】。
在「知识类型」中选择「文本」——这是唯一支持PDF/DOCX/URL混合上传的类型；表格类知识库仅支持CSV/XLSX，无法接入网页或文档。
分批次上传四类内容并配置分段逻辑
方法一：本地文档批量导入
点击「新增单元」→选择「文本」→「本地文档」→将PDF、DOCX、XLSX三类文件一次性拖入上传区（支持10个文件/次，单文件≤20MB）→上传完成后点击「下一步」。
方法二：网页内容自动采集
在同一知识库下再次点击「新增单元」→选择「文本」→「在线数据」→开启「自动采集」→点击「新增 URL」→粘贴已校验的FAQ网址→设置同步周期为「手动触发」（避免频繁抓取被封）→点击「确认」→「下一步」。
分段方式统一选「自动分段与清洗」：系统将按标题层级切分PDF/DOCX，对XLSX按行转为问答对（如“型号：A100 → 该型号支持蓝牙5.3吗？”），对网页则提取正文段落。无需自定义规则，除非原始DOCX中存在大量无标题的长段落需要人工干预。
验证混合内容是否成功解析
等待处理完成（通常1–3分钟），页面跳转至知识库详情页。
点击「内容管理」标签，查看分段列表：PDF应显示为带章节编号的条目（如“3.2 配网步骤”），XLSX应生成以字段名为前缀的条目（如“接口类型：USB-C”），网页URL条目末尾带?图标。
随机点击任一分段，右侧预览窗中必须完整显示原文本——若PDF预览为空白、XLSX只显示“第1行数据”，说明文件格式异常，需重新检查并替换文件。
至此，混合格式知识库训练完成。
