开源版 Coze：创建知识库（RAG）

Coze 创建知识库（RAG）完整操作指南

——基于开源版 Coze Studio v1.2.0 的真实能力

验证日期：2026 年 2 月 3 日
环境：本地部署的开源版 Coze Studio（GitHub 官方仓库）
目标：通过上传企业文档，构建一个支持私有知识问答的 AI 智能体

一、Coze 知识库（RAG）能力说明（经验证）

根据 Coze 官方文档 和源码分析，开源版 Coze 的 RAG 功能具备以下特性：

❌不支持功能：

• 图像/PPT/Excel 内容提取
• 手动调整 chunk size 或 overlap
• 元数据过滤（如按部门、时间筛选）
• 实时同步外部数据库

二、前提条件

1. 已成功部署开源版 Coze Studio
   （参考《开源版 Coze 入门指导手册》）
2. Elasticsearch 正常运行
   （由docker-compose自动启动，端口9200）
3. 准备待上传的文档
   • 推荐格式：.txt（最稳定）、.pdf（文字型，非扫描件）、.docx
   • 单文件 ≤ 50 MB（硬限制，见 源码）

三、操作步骤

步骤 1：登录 Coze Web 界面

访问http://localhost:8888，使用默认账号登录：

• 用户名：admin
• 密码：Coze123456!

步骤 2：创建知识库

1. 左侧菜单点击“知识库”
2. 点击“+ 新建知识库”
3. 填写信息：
   • 名称：例如 “ERP用户手册”
   • 描述（可选）：包含ERP系统操作指南的文档集合
4. 点击“确定”

💡 提示：此时知识库为空，需上传文件。

步骤 3：上传文档

1. 在知识库详情页，点击“上传文件”
2. 选择本地文件（支持多选）
   • 示例文件：erp_manual_v3.pdf
3. 点击“开始上传”

⏱️处理时间：

• 10 页 PDF ≈ 10–30 秒
• 系统会自动：
  1. 提取文本
  2. 按 512 字符分段
  3. 调用 BGE 模型生成向量
  4. 存入 Elasticsearch

4. 上传完成后，页面显示文件列表和状态（“已处理”）

✅ 验证：可点击文件名预览提取后的纯文本内容。

步骤 4：将知识库绑定到智能体（Bot）

1. 进入“Bot 列表”，编辑或新建一个 Bot
2. 在 Bot 编辑页，切换到“知识库”标签
3. 勾选刚创建的 “ERP用户手册”
4. （可选）在“人设与回复逻辑”中强化提示词：

你是一个ERP系统专家。请优先依据“ERP用户手册”中的内容回答问题。 如果知识库中没有相关信息，请明确告知“未在文档中找到相关内容”，不要编造答案。

5. 点击“发布”

四、测试 RAG 效果

在 Bot 聊天窗口提问：

如何在ERP系统中创建采购订单？

预期行为：

• Coze 会自动从知识库中检索相关段落
• 将检索结果作为上下文注入 LLM 提示词
• 生成基于文档的答案

🔍调试技巧：
若回答不准确，可检查：

1. 文档是否包含关键词“采购订单”
2. PDF 是否为可复制文字（非图片扫描）
3. 问题表述是否与文档措辞接近（中文语义匹配依赖 BGE 模型效果）

五、技术原理简析（基于源码）

1. 文本分段

   • 位置：backend/chunking/
   • 策略：固定长度 512 字符，无重叠
   • 无配置接口（硬编码）

2. 嵌入模型

   • 模型：BAAI/bge-small-zh-v1.5（中文优化）
   • 加载方式：首次使用时自动从 Hugging Face 下载（需联网）
   • 存储路径：Docker 卷coze-models

3. 向量存储

   • 引擎：Elasticsearch 8.x
   • 索引名：kb_{knowledge_base_id}
   • 字段：content（原文）、embedding（向量）

📌 注意：若首次启动时网络受限，BGE 模型下载失败会导致知识库无法使用。

六、常见问题与解决

Q1：上传 PDF 后内容为空？

原因：PDF 是扫描图像，无内嵌文字。
解决：使用 OCR 工具（如 Adobe Acrobat）转为可搜索 PDF，或先转为.txt。

Q2：知识库检索不到相关内容？

排查步骤：

1. 点击文件预览，确认文本提取成功
2. 尝试更精确的关键词（如文档中的原句）
3. 检查 Elasticsearch 是否运行：curl http://localhost:9200

Q3：能否更新或删除文档？

✅支持：

• 删除：在知识库文件列表点击“删除”
• 更新：先删除旧文件，再上传新版本

⚠️ 更新后需等待几秒重建索引。

Q4：知识库数据存储在哪里？

• 原始文件：docker/volumes/minio/data/...
• 向量索引：Elasticsearch 容器内（持久化卷es-data）

七、最佳实践建议

1. 文档预处理

   • 将大文档拆分为小章节（如每章一个 PDF），提升检索精度
   • 避免使用表格密集型文档（Coze 当前不保留表格结构）

2. 提示词优化
   明确指示 Bot 依赖知识库，例如：

   “请严格根据提供的《ERP用户手册》回答，不要推测。”

3. 定期维护

   • 文档更新后及时替换
   • 避免上传无关内容（会增加噪声）

八、总结

开源版 Coze 的知识库（RAG）功能虽处于早期阶段，但已能满足基础的企业私有知识问答需求。其优势在于：

• 开箱即用：无需编写代码
• 中文优化：BGE 模型对中文语义理解较好
• 全栈本地化：数据不出内网

适用于：

• 产品手册问答机器人
• 内部制度查询助手
• 技术文档智能检索

🔜 未来期待：可配置分块策略、支持更多格式、元数据过滤等高级功能。

附：官方资源

• 知识库文档：https://docs.coze.cn/opensource/knowledge-base
• GitHub 源码（chunking 模块）：https://github.com/coze-dev/coze-studio/tree/main/backend/chunking
• BGE 模型介绍：https://huggingface.co/BAAI/bge-small-zh-v1.5