要让千问AI API引用自有文档，需通过结构化接入：可用DashScope RAG绑定云端知识库、SDK直连本地文档做RAG推理、Qwen-Agent挂载Chroma本地向量库，小程序前端须经云函数代理调用以保障密钥安全。
☞☞☞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☜☜☜
要让千问AI API在回答问题时能引用你自己的文档、手册或内部资料，必须把知识库内容注入API调用链路，而不是只靠模型自身记忆。直接发prompt给qwen-plus不会自动读取你本地的PDF或Excel，必须走结构化接入路径。
用DashScope RAG服务绑定云端知识库
该方式适合没有向量数据库运维能力，但需要稳定、可审计、支持多版本文档管理的企业用户。
第一步：登录DashScope控制台，使用与千问App一致的阿里云账号。
第二步：进入「知识库」→「创建知识库」，填写名称（如“客服FAQ_v2.3”），类型选「通用文本」，语言选中文。
第三步：点击「上传文档」，支持PDF/TXT/Markdown/Word，单次最多50个文件，总大小≤2GB；【上传前务必删除所有含敏感字段的测试稿、作废版本及未脱敏扫描件】。
第四步：等待系统自动解析完成，状态变为「就绪」后，点击知识库右侧「复制ID」，获取形如ks-xxxxxxxxxxxxxxxxxxxxxxxx的唯一标识。
第五步：在API请求中加入retriever参数，值为该ID，并指定model=qwen-plus，即可触发RAG检索增强。
用DashScope SDK直连本地文档做RAG推理
该方式适合已有Python开发环境、需动态加载新文档、且不希望知识长期存于云端的场景。
安装SDK：执行pip install dashscope。
准备文档：将PDF/TXT/Markdown放入本地目录./docs/，确保无乱码、无加密、无扫描图页。
构造请求时，调用dashscope.Document.from_file()加载文件并切片，再传入RagQuery；注意必须显式设置retriever参数指向文档集合，否则默认不启用RAG。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
通过Qwen-Agent挂载Chroma本地向量库
方法一：部署轻量级服务网关
克隆仓库：git clone https://github.com/QwenLM/Qwen-Agent.git。
运行构建脚本：python scripts/build_vector_store.py --input_dir ./my_knowledge/ --output_dir ./chroma_db。
启动服务时加--vector_store chroma参数，并确认日志出现“Chroma collection loaded with N documents”。
方法二：在业务代码中嵌入检索逻辑
初始化ChromaClient后，用add_documents()注入预处理后的文本块，再用query()召回Top-K片段，拼接到prompt末尾再调用qwen-plus生成答案。
这一步操作起来很简单，直接把召回的段落字符串拼到用户问题后面就行，但要注意控制总token数不超过模型上限。
小程序前端调用时的安全接入
严禁在wx.request的header里硬编码Bearer YOUR_API_KEY——小程序代码可被反编译，密钥会直接暴露。
必须通过云函数或自建后端代理请求：小程序 → 云函数（校验session）→ DashScope API（携带合法Authorization）→ 返回清洗后的answer。
云函数中调用Generation.call()时，需在input.prompt里显式插入知识片段，不能依赖retriever参数——小程序端无法传递该字段。
