资料导入与分段编辑

功能概述

在知识库工作区的 数据集 页签导入资料，流程分为选择文件、分段设置和处理三个阶段。处理完成后，可逐段编辑、补充和检索分段。

1. 选择资料

进入知识库 数据集，点击 上传，选择文件或拖入上传区。一次最多 10 个文件，单个不超过 100 MB。

支持文本、Markdown、PDF、Word、PowerPoint、Excel、CSV/TSV、HTML、JSON、XML、YAML、日志和 SQL 等类型。复杂版式的文件，在分段结果中检查文字顺序。

示例资料可从 青禾长文演示资料包 下载，解压后包含三份虚构 Markdown：DOCS_青禾服务说明.md、DOCS_青禾工单规则.md 和 DOCS_青禾知识库规范.md，每份包含八个业务章节，与本章截图一致。

上传文件：已选择三份 Markdown，上传前可逐项核对。

2. 设置分段方式

点击 上传并继续，选择分段方式与分段长度。切换预览文件，检查段落是否保留足够上下文。示例使用语义分段、长度 800，三份资料各形成 9 个分段，共 27 段。

分段设置：选择分段方式与长度，预览各文件的分段结果。

方式	适用内容
语义分段	有标题、章节和主题结构的文档
段落分段	按换行组织，长段落需要继续拆分的文本
固定长度	缺少明显结构的长文本
符号分段	使用固定分隔符划分条目的文本
大模型语义	需要模型判断主题边界的资料，会增加模型调用与处理时间

结构化资料

表格（CSV、TSV、Excel）和 JSON 按结构切分，分段方式固定：一列或两列时优先将 index 字段作为检索文本，另一字段作为补充内容；三个及以上字段合并为整行 JSON。表格应保留列名、业务含义和单位，使每个分段可被独立理解。

3. 开始处理

点击 开始处理。系统依次完成解析、分段与向量化；可关闭窗口，在数据集中继续查看进度。任务状态说明见 摄取与向量化任务。

4. 检查与编辑分段

选择左侧文档，查看分段数量、正文、字数和向量状态。使用 编辑 修正文段；需要补充独立知识时使用 插入分段。保存后分段重新向量化，状态恢复为“已向量化”即可被检索。

分段列表：展示分段正文、字数与“已向量化”状态。

5. 核对资料有效性

使用 搜索文档 和 搜索分段 定位内容。发现过期制度、重复段落或解析错序时，先修正资料或分段，再执行命中测试。

下一步使用 命中测试与知识问答 检查检索结果。

操作演示

依次切换三份已处理完成的资料，查看各自的分段。