RetrieveKnowledgeBase - 检索知识库

知识库 ID。

查询内容。

返回 top 数量的结果。

要查询的数据的过滤条件，格式为 SQL 的 WHERE 格式。

检索时的相似度算法。此值为空时则采用创建知识库时指定的算法，建议如无特殊需求不需设置。

可选值：

• l2：欧氏距离。

• ip：点积（内积）距离。

• cosine：余弦相似度。

多路召回算法，默认为空(即直接将稠密向量和全文的分数比较并排序)。

可选值：

• RRF：倒数排序融合(Reciprocal rank fusion)，有一个参数 k 控制融合效果，详见 HybridSearchArgs 配置。

• Weight：比重排序，采用参数控制向量和全文的分数比重，然后再排序，参数详见 HybridSearchArgs 配置。

• Cascaded：先全文检索再在其基础上进行向量检索。

多路召回的算法参数。目前支持 RRF 和 Weight 两种。HybridPathsSetting 可以指定召回稠密向量（dense）、稀疏向量（sparse）和全文检索（fulltext），如果值为空，默认召回稠密向量（dense）和全文检索（fulltext）。

• RRF：指定计算分数的算法的1/(k+rank_i)中的 k 常数，范围大于 1 的正整数，格式为：

{
  "HybridPathsSetting": {
    "paths": "dense,fulltext"
  },
  "RRF": {
    "k": 60
  }
}

• Weight:
  • 双路召回（不指定 HybridPathsSetting，仅指定 alpha）：

    • 计算公式：alpha * dense_score + (1-alpha) * fulltext_score，参数 alpha 表示稠密向量和全文的检索分数比重，范围为 0～1，其中 0 表示只全文，1 表示只稠密向量：

{ 
   "Weight": {
    "alpha": 0.5
   }
}

• 三路召回模式：

  • 计算公式：normalized_dense * dense_score + normalized_sparse * sparse_score + normalized_fulltext * fulltext_score。其中 dense、sparse、fulltext 分别代表稠密向量、稀疏向量、全文检索的权重，取值范围大于等于 0。系统会自动将权重归一化到 0～1（即 normalized_x = x / (dense + sparse + fulltext)）。

{
  "HybridPathsSetting": {
     "paths": "dense,sparse,fulltext"
   },
  "Weight": {
    "dense": 0.5,
    "sparse": 0.3,
    "fulltext": 0.2
  }
}

是否返回向量。默认为 false。

默认为空，表示要返回的 metadata 字段，多个字段用逗号分隔。

重排因子。当该值不为空时，会对向量检索结果再做一次重排。取值范围：1<RerankFactor<=5。

召回窗口。当该值不为空时，增加返回检索结果的上下文。格式为 2 个元素的数组：List<A, B>，其中-10<=A<=0，0<=B<=10。

默认为空，表示排序的依据字段。

字段必须属于 metadata 或表里的默认字段比如 id，格式支持：

单个字段，如 chunk_id； 多个字段，用逗号连接，如 block_id, chunk_id； 支持反序，如: block_id DESC, chunk_id DESC；

偏移量，用于分页查询