零基础用扣子（Coze）开发知识问答Agent

AI技术在企业知识管理中的应用，说起来其实是个挺普遍也挺基础的场景，但价值确实不低。有些AI厂商已经专门推出了知识库产品，通过本地部署、模型微调这些方式，来保障企业私有知识的安全，同时提升文档检索和回答的精准度。不过话说回来，如果企业还没想好要不要做这笔投入，完全可以用扣子这样的Agent平台，先搭一个企业知识官智能体试试水。而且这个思路不只适用于企业，个人也可以给自己配一个知识问答助手——把自己平时攒的文档、学习资料放进去，作为资料查询或个性化创作的得力帮手。今天就来分享一个用扣子做的知识问答Agent实例。

01 场景需求及痛点分析

公司规模越来越大、人员越来越多，管理的复杂度自然跟着上去，这时候就需要建一堆管理文档，比如部门职责、岗位说明书、制度流程、体系文件、业务操作手册、系统操作手册、产品说明书、技术文档等等——这些文档拼在一起，就是公司的知识库。问题在于，怎么让员工真正吃透并用好这些知识，从而提升工作质量和效率？过去企业通常就这么几种办法：

方式一：打印成册，或者放到网盘上共享电子版，按权限开放给员工查询。

方式二：利用公司OA自带的文档管理功能，把各类文档分门别类上传，让大家查阅或下载。

方式三：部署专门的知识管理软件，按组织架构、职责文件、流程文件、制度文件、表单文件、SOP等要素分类管理，再根据组织架构做要素组合关联，最后按员工权限自动推送或开放查询。

但无论是哪种方式，本质上都还是企业知识的被动管理，暴露出来的痛点也很直接。

02 如何用扣子搭建企业知识问答Agent

要把AI用进企业知识库问答，光靠提示词和大模型工具直接对话是搞不定的，必须通过Agent智能体来设计实现。接下来就聊聊怎么用扣子（COZE）设计一个企业知识官Agent，并把它发布到飞书里，变成一个知识问答机器人——随时回答员工关于公司知识的各种问题。

1. 企业知识问答Agent总体设计流程

企业知识问答Agent的运行流程大致如下图所示。这个流程比较简单，不用设计工作流，所以照着试试看就行。在扣子上新建一个Agent，填写基本描述、生成图标，然后选择单Agent（LLM模式）。下面就从知识库创建、人设与回复逻辑、大模型参数设置这几个重点模块，来拆解一下智能体的开发过程。

知识库可以通过Agent编排页面直接创建，也可以提前在资源库页面建好。这个知识问答Agent配了3个知识库，具体如下：一个文本格式的——“CZ集团总部制度汇编”；两个表格格式的——“CZ集团制度清单-按类别”和“CZ集团制度清单-按部门归口”。这两个表格知识库内容一样，只是一个以制度类别为主索引，另一个以部门归口为主索引。

选择本地文件上传，成功后需要做分段设置。如果文档是可编辑的，建议选自定义方式来做分段规则——系统默认的分段方式很容易把相关的内容切成好几块，影响检索质量。

这里用了自定义方式，分段标识符设为“###”。一定要注意，自定义的分段标识符必须在源文档里提前写好，不然系统是检索不到的。

表格知识库和文本文档知识库在扣子上走的是两套流程。表格格式的知识库设置方法和文本文档差别很大——表格由行和列组成，呈现的是结构化信息，要是表格没设置好，大模型就很难准确读取和匹配单元格之间的关联关系。

表格源文件必须提前做预处理，目的是让表格格式符合扣子表格知识库的识别要求。这里有几点值得注意：

第一，表格的标题行最好是单行，不要做合并单元格处理。第二，表格里尽量别出现合并单元格的情况。

把下面Excel里的内容导入表格知识库：

导完之后的效果是这样的：

接下来关键一步是设置知识库的检索参数，包括调用方式、搜索策略、最大召回数量、最小匹配度、回复及来源设置等，按下图所示来配置：

3. 设置人设与回复逻辑

以下是知识问答Agent的人设与回复逻辑，也就是提示词。先定义角色，再明确工作流程——流程中的第二步是告知模型从知识库中检索答案，第三步对输出内容做了规定：输出要包括回复答案和制度名称及编号，这样能知道内容出处；对于查不到信息的情况也有对应处理。最后，明确模型只能基于知识库做回答。

扣子人设与回复逻辑设置（Agent的提示词）

对于企业制度问答来说，一个主题下的对话轮次通常不多，但输出的文字篇幅可能偏长，所以参数设置上选了平衡模式，携带上下文轮数为10，最大回复长度为2000 token。

4. Agent发布到飞书

企业知识问答一般要在企业社交工具里使用，所以发布Agent时，可以只选发布到飞书。发布之后，在飞书的应用中心就能搜到刚才发布的Agent——点“应用中心”，输入“知识官”就能看到刚才开发好的Agent。它就像个机器人好友一样，可以直接对话。到这一步，智能体就设计完了，来看看效果。

03 企业知识问答Agent运行效果

在飞书里问了一句：“行政管理类制度有哪些？”Agent列出了8个行政类制度，包括名称和编号。和源文件对比一下，行政类制度确实是8个，输出格式也遵循了提示词的要求。再问具体内容：“请假制度是怎样的？”首席知识官给出了下面的回复：

根据“CZ集团总部制度汇编”中的内容，CZ集团的请假制度如下：

制度编号：CZ-MS-XZ-01

第二章 管理内容

部门经理、行业管理公司经理、分子公司经理（正职）请假

（一）部门经理、行业管理公司经理因事因病请假或因公外出，一天以内（含一天），需向集团总经理口头请假，经批准后方可离岗。……

04 小结

整体来看，这个“公司首席知识官”Agent对于大部分关于CZ集团制度内容的回答质量还是比较高的，偶尔会有回答不够全面的情况。

知识问答智能体设计看似简单，但要做出一个回复全面性好、准确率高的智能体并不容易。以下几个关键点值得注意：

举个例子，一个文档里如果有图片、分栏、页眉页脚、表格、代码、注释等各种形式的内容，和一篇纯文字文档相比，大模型对后者的解析和理解肯定更准确。所以源文件的格式清晰、内容结构优化非常关键。

尤其对于回复质量要求较高的知识库应用场景，最好做自定义分段符设计。

同样的知识库配置，不同的大模型输出效果有明显差异，这个需要多次验证测试。

其实，也可以通过工作流的方式来设计知识问答Agent——用知识库节点加大模型节点，分别执行检索任务和回复任务，效果也不错。