MiniMax Agent需通过外部知识库实现企业文档引用，官方API不支持直接上传文件；最快方案是用Minimax Data Platform上传结构化问答对或PDF/TXT/MD文档并获取知识库ID；长文档或语义检索需基于RAG自建向量库；复用FastGPT可借助OneAPI网关协议转换接入。
☞☞☞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MiniMax Agent在对话中自动引用企业内部文档、产品手册或业务规则作答，必须通过外部知识库机制完成连接，官方API不支持直接上传文件或自动索引本地资料。
用Minimax Data Platform上传启用知识库
这是最快捷的方案，适合已有结构化问答对或PDF/TXT/MD格式文档的团队，无需部署向量服务或编写代码。
1、登录Minimax控制台→进入【知识库管理】→点击【新建知识库】，名称填“产品FAQ主库”，类型选“问答对（Q&A）”。
2、在设置中开启“意图识别增强模式”，并绑定已配置好的意图分类体系，比如“安装问题”“激活失败”“版本兼容性”。
3、点击【上传文件】，提交JSONL格式的问答对（每行一个{"question":"...","answer":"..."}），或单次上传最多10个PDF/TXT/MD文件，总大小不超过200MB。
4、上传完成后系统自动解析并生成唯一知识库ID（如kb_7f3a9d2e），该ID将用于后续Agent调用。注意：未成功生成ID说明文件格式错误或内容为空，需重新检查JSONL换行与编码。
基于RAG架构构建向量知识库
当你的知识源是长文档、扫描件或需要语义级精准召回时，必须走RAG路径。它能处理跨段落推理，但需自建向量数据库和检索逻辑。
方法一：用pdfplumber解析PDF → 切块 → 调用text-embedding-v1生成向量 → 存入ChromaDB
这一步操作起来很简单，直接把文件拖进去就行。但切块长度必须控制在128～512个中文字符内，否则会把“退款流程”和“物流签收标准”拼在同一块里，导致检索结果错乱。
方法二：用户提问时，先将问题文本转为向量，在ChromaDB中执行近邻搜索，取top-3最相似文本块作为参考资料。
方法三：将检索内容拼入system message，格式为“参考资料:\n[1] ……\n[2] ……”，并在prompt中强制指令：“仅依据所提供参考资料作答；若未覆盖问题，请回答‘未找到相关信息’”。【此指令不可省略，否则模型可能编造答案】
通过OneAPI网关接入FastGPT知识库
如果你已在用FastGPT搭建企业知识库，想复用现有界面与权限体系，就用OneAPI做协议转换——它能把Minimax API伪装成OpenAI格式，让FastGPT零代码接入。
第一步：在服务器运行docker命令启动OneAPI，环境变量中必须填入有效的MINIMAX_API_KEY和MINIMAX_GROUP_ID。
第二步：在FastGPT后台「系统设置 → 模型配置」中新增渠道，类型选「OpenAI」，API地址填http://host.docker.internal:3000/v1（Docker环境）或http://127.0.0.1:3000/v1（本地直连）。
第三步：保存后点击「渠道测试」，输入问题观察是否返回Minimax生成结果。若返回空或报错401，立即检查OneAPI容器日志中是否提示密钥校验失败。
