适合用知识库进行大模型多轮问答的场景，基于历史对话信息和参考知识，进行专业回答。 ## 操作步骤 1. 登录[AgentKit控制台](https://console.volcengine.com/agentkit)。 2. 在左侧导航树中，选择“知识库”。 3. 单击目标知识库名称，进入知识库详情页面。 4. 单击页面右上角“知识检索”按钮。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_21b68f663168bae1e00799cc868465d8.png) 5. 单击“知识问答”页签，配置检索参数和模型回答参数。 |**参数** |**作用** |**取值范围** | |---|---|---| |**检索参数** ||| |结果返回数量 |配置最终检索返回的结果数量。

* 如果没有若打开重排模型，则表示检索返回重排后的 TopN 结果数量。

* 如果打开了重排模型，则表示模型排序后的结果的前 K 个文本片，K 为返回的结果数量。 |* 如果没有打开重排模型：[1, 1000]

* 如果打开了重排模型：[1, Top K] | |问题改写 |启用后，将基于历史对话对本轮问题进行改写，使其具备更完整的语义信息，检索更准确。

说明

改写问题会增加检索时长和额外的 Tokens 消耗。

|默认关闭 | |重排模型 |配置是否使用重排模型对检索到的文本片进行重新排序。

打开重排模型则会获得更准确的问题\-文本片相似性的评分，提升检索效果。

说明

打开后检索的时间会略有增长，且与召回文本数量成正比，建议合理设置召回文本数量。

|* Doubao\-Seed\-1.6\-rerank（默认）：Doubao\-Seed\-1.6\-Rerank 是字节自研的多模态重排序模型，面向文本、图片、视频等多模态内容检索召回得到的 Top\-K 候选进行更精细的语义匹配与相关性打分，输出更优的排序结果，可选阈值过滤与instruction设置。

* base\-multilingual\-rerank：速度快、长文本、支持70+种语言。

* m3\-v2\-rerank：常规文本、支持100+种语言。 | |进入重排数量 |开启“重排模型”后，需配置本参数。用于控制召回的文本片数量，即进入重排模型的文本片数量。

说明

建议召回数量稍大于结果返回数量，可提升检索效果。

说明

对于参考资料原文语序敏感的场景建议开启；对于切片内容逻辑独立的场景建议关闭。

|默认开启 | |**模型回答参数** ||| |选择模型 |配置知识库问答时使用的大模型，以及版本、推理接入点、思考深度等。 |\-\- | |拼接邻近文本片数量 |取该值作为召回重排后拼接邻近文本片的数量，若召回重排后文本片数为k，该值为p，则最终返回数量范围为[k，k+2*k*p] |[0, 5] | |文本片参数 |选择进入大模型的参数和顺序，选择后参数将按顺序拼接 Prompt 进入大模型。 | | |Prompt 配置 |当打开**使用大模型模型生成回答**时可设置。

* prompt 编排允许您设置传入大模型模型时如何组装用户问题和检索到的文本片，以及其他的回复要求。

* prompt 编排必须包含两个变量，使用方括号+变量名作为占位符。

* 在组织 prompt 时，您可以给大模型模型一些指示。以贴合您的使用场景。例如，让大模型模型使用检索到的文本作为背景信息回答问题，并在检索到的信息不能回答用户问题时转接人工客服，等等。

说明

平台也提供了几个核心场景的 Prompt 模板（客服场景、营销索联、思考阐述、模仿回复），您可以根据需要进行选择。