知识库定时数据同步指南-大模型服务平台百炼(Model Studio)-阿里云帮助中心

数据同步规则最佳实践，帮助您理解不同数据来源的同步机制、选择合适的同步周期，并解答常见问题。

概述

数据同步规则是阿里云百炼平台提供的自动化数据同步功能。通过创建同步规则，您可以将外部数据源（OSS、飞书、钉钉、语雀、SharePoint）中的文件和文档自动同步到百炼平台，无需手动上传。

每条同步规则包含以下核心要素：

同步类目：指定同步数据在百炼平台中的存储类目。
同步来源：数据来源类型（OSS、飞书、钉钉、语雀、SharePoint）。
来源凭证：访问数据源所需的认证信息（如 OSS 路径、飞书 App ID/Secret、钉钉应用凭证等）。
同步周期：数据自动同步的频率（一分钟、一小时、一天）。
数据标签：为同步的数据配置标签，便于后续分类管理和检索。

关于如何创建同步规则的详细操作步骤，请参见数据连接 — 同步数据规则。

入口路径

同步数据规则功能位于文件连接器的文件管理页面中。按以下步骤进入同步规则创建页面：

访问百炼控制台 — 数据连接页面，查看已创建的数据连接器列表。
在数据连接列表中，找到目标文件连接器，点击卡片上的详情，进入文件管理页面。
在文件管理页面中，点击右上角的同步数据规则按钮，打开同步规则列表。
在弹出的同步规则列表对话框中，点击创建同步规则按钮，进入规则创建表单。

创建完成后，同步规则将显示在同步规则列表中。您可以在列表中启用、禁用或删除规则，也可以在文件管理页面查看已同步的文件。

同步机制说明

同步流程

同步规则按照配置的同步周期自动运行。每次同步执行时，系统会连接到指定的数据源，检查源路径下的文件状态，并将新增或更新的文件同步到百炼平台。

同步流程包含以下阶段：

连接：使用配置的凭证连接到数据源。
扫描：检查源路径下的文件列表，识别新增和更新的文件。
导入：将新增或更新的文件同步到百炼平台，并触发解析和向量化处理。
确认：同步完成后，可在文件管理页面查看同步结果。

说明

同步的文件将作为独立副本存储在百炼平台的安全存储中，与原始数据没有关联。即使源文件被删除，百炼平台中的副本仍会保留，需手动删除。

各来源同步行为

不同同步来源在文件更新检测、同步范围和特殊限制方面存在差异：

同步来源	文件更新检测	同步范围	说明
OSS	按同步周期检查指定路径，自动同步新增和更新的文件。	指定的 OSS 对象路径下的所有文件（目录或单个文件）。	基于阿里云服务关联角色（SLR）访问，无需配置 AccessKey。需为目标 Bucket 添加 `bailian-datahub-access` 标签。
飞书	按同步周期访问指定知识库/目录/文档，同步新增和更新的内容。	指定的飞书知识库、目录或文档。	需创建飞书自建应用并配置权限。不支持 MindNote 文档导出。
钉钉	按同步周期访问指定知识库/文件夹/文档，同步新增和更新的内容。	指定的钉钉知识库、文件夹或文档。	每次同步消耗钉钉 API 配额，建议提前评估配额。支持同步钉钉文档、表格和 AI 表格。
语雀	按同步周期访问指定 URL 列表，同步新增和更新的文档。	指定的语雀文档或知识库 URL。	支持配置文档权限等级筛选。仅支持公网版本语雀。
SharePoint	按同步周期访问指定分享链接，同步新增和更新的文档。	指定的 SharePoint 文档或文件夹分享链接。	需注册 Azure AD 应用并配置权限。支持全球公有云和中国世纪互联云。

同步周期建议

同步周期决定了数据从来源同步到百炼平台的频率。选择合适的同步周期需要在数据实时性和资源消耗之间取得平衡：

同步周期	适用场景	优势	注意事项
一分钟	需要近实时更新的场景，如在线协作文档频繁变更。	数据更新延迟最低。	同步频率高，资源消耗较大。对于钉钉同步，会更快消耗 API 配额。
一小时（默认）	大多数业务场景，数据变更频率适中。	兼顾数据实时性和资源消耗，适合绝大多数场景。	最长延迟 1 小时。
一天	数据变更频率低，如定期更新的文档或报告。	资源消耗最低，对 API 配额影响最小。	最长延迟 1 天，不适合需要及时更新的场景。

重要

对于钉钉同步，每次同步会消耗钉钉开放平台 API 配额。同步频率越高，配额消耗越快。建议根据知识库中文档数量评估配额是否充足，并参考钉钉 API 调用数量说明进行估算。

常见问题

OSS 文件更新与增量同步

OSS 里面的文件更新之后，百炼知识库会跟着更新吗？

会更新。同步规则按照配置的同步周期定期运行，每次运行时会检查指定 OSS 路径下的文件状态。当 OSS 中的文件被新增或修改后，下一次同步周期触发时会自动检测并重新同步更新的文件到百炼平台。

同步周期决定了更新检测的延迟时间：设为一分钟则最长约 1 分钟后更新生效；设为一小时则最长约 1 小时后更新生效。

说明

文件同步到百炼平台后会触发解析和向量化处理。在请求高峰时段，该过程可能需要数小时，请耐心等待。

OSS 能增量同步吗？

支持。同步规则在每次执行时，会扫描指定 OSS 路径下的文件，识别新增和更新的文件并进行同步。已有且未发生变化的文件不会重复同步，从而减少不必要的数据传输和处理。

同步范围由规则中配置的 OSS 对象路径决定：

路径为目录（如 my-bucket/docs/）：同步该目录下的所有文件，并持续监控新增和更新。
路径为单个文件（如 my-bucket/docs/foo.md）：仅同步该文件，并在文件更新后自动重新同步。

源文件删除行为

删除源文件后，百炼知识库中的数据会怎样？

通过同步规则同步到百炼平台的文件，将作为独立副本存储，与原始数据没有关联。因此，即使源文件（如 OSS 中的文件、飞书文档等）被删除，百炼平台中已同步的副本不会自动删除。

如需删除百炼平台中已同步的文件，请在文件连接器的文件管理页面中手动删除对应文件。

说明

仅支持查看最近 90 天内导入的文件。超过此时间范围后，导入的文件将无法查看，但不会被删除。

同步来源选择建议

不同同步来源有什么差异？应该如何选择？

选择同步来源时，主要考虑数据的存储位置和更新方式：

OSS：适合已在阿里云 OSS 中存储大量文件的用户。基于 SLR 授权访问，无需配置 AccessKey，安全性高。
飞书：适合企业知识库主要在飞书平台管理的用户。需创建飞书自建应用并配置权限。
钉钉：适合企业知识库主要在钉钉平台管理的用户。需创建钉钉应用并开通 MCP 服务，每次同步消耗 API 配额。
语雀：适合使用语雀管理文档和知识库的用户。仅需提供 Token 和 URL，配置简单。
SharePoint：适合使用 Microsoft 365 / SharePoint 管理企业文档的用户。需注册 Azure AD 应用。目前仅对白名单用户开放。

如果您不需要实时同步功能，也可以通过文件连接器直接上传本地文件。直接上传的文件不经过公网链路，直接写入阿里云内网的安全存储。详见导入文件。

同步问题排查

同步规则创建后文件未同步成功，如何排查？

在同步规则列表页面，检查规则的生效状态是否为"启用"。如果为"禁用"，请在操作列点击启用。
在创建/编辑规则页面，点击连接检测，验证凭证和路径是否可正常访问。如果检测失败，请检查凭证信息和源路径配置。
确认OSS 对象路径（或飞书/钉钉/语雀/SharePoint 的 ID/URL）是否正确，路径需包含 Bucket 名称（OSS）或完整的文档链接。
确认数据源权限配置：OSS Bucket 是否已添加 bailian-datahub-access 标签；飞书/钉钉应用权限是否已正确配置。
如果文件已同步但无法检索，可能是解析耗时较长。在流量高峰时段，文件解析可能需要数小时，请耐心等待或在非高峰时段重试。

同步规则如何管理（启用/禁用/删除）？

在文件连接器的文件管理页面，点击右上角的同步数据规则按钮，进入同步规则列表页面。在此页面可以：

启用/禁用：在操作列点击"启用"或"禁用"来控制规则是否运行。
删除：在操作列点击"删除"移除不再需要的同步规则。删除规则不会删除已同步的文件。
搜索：在搜索框中输入关键词，快速查找特定的同步规则。