扣子本地知识库导入与精细化清洗指南

把散落在Word、PDF里的制度文档、产品手册这些原始材料，直接丢给AI知识库，结果往往是一地鸡毛——检索错位、答案截断、答非所问，这些问题几乎成了家常便饭。问题的核心在于，上传不等于万事大吉。真正的功夫，在于如何把这些“原材料”转化成AI能精准理解、流畅调用的干净知识片段。

创建知识库并设置基础属性

整个过程从创建一个清晰的“容器”开始。登录扣子平台，进入你的团队工作区，在顶部导航栏找到「知识库」，点击右上角的「创建知识库」。这里有个关键细节：

，比如“2026版客户服务标准”就比“客服文档”要好得多。填写名称和简要描述后，类型务必选择「文本」，点击确认，一个专属的知识容器就创建好了。

上传本地文档并触发自动解析

在知识库详情页，通过「新增单元」→「上传文件」来添加你的文档。支持常见的.txt、.pdf、.docx等格式。操作虽然简单——直接拖拽上传就行——但有一个极易踩坑的地方：如果PDF文件是扫描件或包含大量图片，系统是无法直接提取文字的，上传后会变成一堆乱码。所以，对于这类文件，务必在上传前先用OCR工具处理好，确保文字可识别，这是后续所有步骤的基础。

选择分段策略与清洗规则

文件上传后，会进入至关重要的分段预览界面。这一步直接决定了知识片段是否“干净”，进而影响AI的检索质量。

系统默认会启用「自动分段与清洗」，这个模式会做两件事：一是根据标题、空行等格式自动切分文本；二是执行强制清洗，比如清理多余的空白字符和删除所有的URL、邮箱地址。

那么，什么时候需要切换模式呢？如果你的文档结构清晰，用默认模式效率最高。但如果文档本身比较混乱，比如没有明确标题、段落粘连，或者你需要保留文档内的链接用于溯源，就必须切换到「自定义」模式。在自定义模式下，你可以手动指定分段符号，调整片段的最大长度，并选择是否保留链接。不过要记住，保留链接可能会让向量检索时引入噪音，需要在信息完整性和检索精度之间做个权衡。

验证分段效果并提交处理

分段规则设置好后，别急着点完成，先花几分钟验证一下效果。有两个实用的方法：

滚动浏览前10个左右的片段，重点看看有没有出现大段空白被当成内容、专业术语被拦腰截断，或者表格内容变成了一行杂乱文字的情况。

随机点开几个片段右侧的「展开」图标，与原文位置进行比对。检查片段开头是否突兀地少了主语，结尾是否完整，有没有混入不相关的页眉页脚信息。如果发现问题，就需要返回上一步，调整分段标识符或长度限制。

确认一切无误后，再点击「完成」。之后，你会看到状态变为「处理中」，耐心等待其变为「已就绪」，这意味着文档已经完成了清洗、分段和向量化，你的知识库已经准备就绪，可以投入使用了。