本文档由 AI 自动翻译。如有任何不准确之处，请参考 英文原版。
这些设置位于知识库的 设置 > 检索 中。
Tip
每次只调整一项设置，然后重新测试，这样才能判断每项改动是否有效。
| 设置项 | 作用 |
|---|---|
| 系统推理模型 | 索引时，按语义将文档拆分为分段和章节，为每个章节撰写摘要，并构建知识图谱，记录每个分段提到的主题以及这些主题之间的关联。 使用「深度」和「研究」检索时，负责规划检索步骤。 更换该模型不消耗 token：已索引的文档仍保留原模型构建的内容。要用新模型重建某个文档，在该文档上点击 重新索引。 |
| Embedding 模型 | 将每个分段转换为向量，以便按语义将问题与分段匹配。 更换该模型会为所有文档重新生成向量，并消耗 token。 |
| Rerank 模型 | 按相关性为检索到的分段排序，并为每个分段打分。 |
| 检索深度 | 每次检索的深入程度。详见下方的 检索深度。 |
| Top K | 每次检索最多返回的分段数。 值越大，上下文越多，干扰也越多；值越小，结果越集中，但可能漏掉相关分段。 |
| Score 阈值 | 舍弃得分低于设定阈值的分段。 阈值越高，只留下高度匹配的分段，但可能什么都返回不了；阈值越低，匹配度一般的分段也能通过。 |
检索深度 #
三种深度都会用到嵌入模型和重排序模型，「深度」和「研究」还会用到推理模型。
| 深度 | 作用 |
|---|---|
| 快速 | 按语义和关键词将问题与分段匹配。速度最快，足以应对大多数直接的问题，建议从这里开始。 |
| 深度 | 检索范围比「快速」更广，还会沿着知识图谱，从问题出发找到涉及相关主题的分段。速度较慢。 答案分散在多个相关主题中、「快速」又总是漏掉时，就改用它。 |
| 研究 | 将复杂问题拆解为多个子问题，逐一广泛检索，并根据章节标题和摘要决定阅读哪些章节。 速度最慢，消耗的模型 token 也最多。适合需要多次检索才能回答的问题，不适合直接的问题。 |