从流程上来说，绝大多数知识库（RAG）可以分为这 3 步：

1、创建知识库

（1）输入数据（上传文件）

（2）处理数据（切片+向量化）

（3）存储数据（存到向量数据库）

2、查询知识库

（1）搜索数据（向量检索）

（2）处理数据（重排序）

（3）输出数据（挑选相关性高的）

3、AI 生成答案

知识库的原理就是 AI 先查询再回答。那么如何查询到关联性高的片段，就是知识库最核心的部分。302.AI 平台的知识库机器人工具就支持 传统 RAG 和 GraphRAG 这2 种模式知识库的一键部署，可以根据自己的需求进行选择。

搭建GraphRAG应用通常涉及从基础开始构建知识图谱、集成图神经网络和生成模型，以及进行必要的微调，以适应特定的应用场景，这个过程需要深入的技术知识和大量的开发时间。

而 302 目前已独家提供 GraphAG 的知识库接入和 API 接入，代码基于 Nano-GraphRAG 开发，更加轻量化，用户只需进行简单的配置即可快速部署，能够大大降低了技术门槛和部署时间。

  • 建立时可选传统 RAG 或者 GraphRAG
  • 选择好后填写知识库名称和描述进入编辑知识库页面（不填会自动生成），选择【导入文档】或是复制【链接】进行导入数据（下面以 GraphRAG 为例）：
  • 导入成功后表明知识库已经建立完成，接下来就是要选择模型及刚刚新建的知识库，目前提供了国内外多种模型选择，可满足不同任务和领域的需求。
动图封面

  • 知识库机器人创建成功后会直接跳转进入聊天界面，这样就可以向知识库机器人进行提问了。

最后，在传统 RAG 和 GraphRAG 的选择上，若需快速响应且问题简单，那么传统 RAG 就够了。