在智能体应用中上传文件后,可以与文件内容进行智能问答。支持全文引用、切片检索和自定义处理三种模式,可对文档、图片、音视频等多种文件进行深度分析和自动化任务处理。
工作原理
智能体应用的文件问答功能通过以下流程实现:
文件解析:系统自动识别并解析上传的文档、图片、音视频等多种格式文件,提取其中的文本、图像或音频信息。
内容处理:根据应用内配置的处理模式,对解析后的文件内容进行处理,为后续的智能问答做准备。
智能问答:大模型结合文件内容和问题,生成准确、相关的答案。
支持的文件格式
单个会话支持上传的文件上限10个,且单文件不超过10MB。
上传的文件仅在当前会话中有效,刷新或关闭页面将导致文件丢失。请及时完成所需操作。
支持上传本地的文档、图片、视频或音频,格式要求为:
文档:
.doc
,.docx
,.wps
,.ppt
,.pptx
,.xls
,.xlsx
,.md
,.txt
,.pdf
;图片:
.png
,.jpg
,.jpeg
,.bmp
,.gif
;视频:
.mp4
,.mkv
,.avi
,.mov
,.wmv
,.webm
,.flv
;音频:
.aac
,.amr
,.flac
,.m4a
,.mp3
,.mpeg
,.ogg
,.opus
,.wav
,.wma
。
对于需要处理超过10MB文件的场景,推荐使用文件上传API,详见本文的API调用章节。
计费说明
上传文件:免费。
模型调用:基于文件内容进行问答会消耗模型的输入和输出 token ,按所选模型的标准计费,详情请参考模型列表与价格。
工具调用:部分工具收费,具体费用在工具详情页展示。
如何使用
全文引用
文件内容会直接拼接到模型上下文中,模型会完整阅读您上传的文件。适用于文档总结、内容翻译、全文润色等需要全局理解的任务。
使用步骤
在智能体应用中选择合适的模型;
在
模块中,选择全文引用;在右侧调试窗口输入框左侧,点击
图标上传本地文件后,可围绕文件内容进行对话。
参数配置
可点击进入配置页面:
单文件最大解析长度(token):限制单个文件提取的 token 数量,超出部分将从文件末尾被截断。
最大拼装长度(token):限制所有文件内容拼接后的总 token 数量,超出部分将从最后拼接文件的末尾开始被截断。
为避免信息丢失,应合理设置解析长度或考虑使用切片检索模式处理长文件。
示例
上传阿里云百炼系列手机产品介绍.docx,提问:“请帮我总结这个文件的内容。”。
切片检索
采用检索增强生成(RAG)技术,将文件智能拆分成多个片段并向量化。提问时先检索最相关的片段,再基于这些段落生成回答。适用于长文档问答、基于海量手册的客服机器人、需要精准定位信息来源的知识库检索等场景。
参数配置
可点击进入配置页面:
召回片段数:设置在回答问题时,最多引用多少个相关的文本片段。
最大拼装长度:限制所有被召回片段拼接后的总 token 数量。若超出,系统将根据相关性得分从低到高依次丢弃召回的片段,直至满足长度限制。
仅检索当前上传文件
使用步骤
在智能体应用中选择合适的模型;
在
模块中,选择切片检索;在右侧调试窗口输入框左侧,点击
图标上传本地文件后,可围绕文件内容进行对话。
示例
上传阿里云百炼系列手机产品介绍.docx,提问:“请帮我推荐一款5000元左右的手机。”。
混合检索文件与知识库
使用步骤
示例
在输入框点击图标上传test.mp4,提问:“这个视频中的人物有没有出现在知识库中?”。
自定义处理
模型根据指令自主调用各种工具(如插件、标准化协议(MCP)等)完成复杂任务。例如,调用"人物风格重绘工具"对图片进行风格转换。
使用步骤
在智能体应用中选择支持Function Calling的模型;
在
模块中,选择自定义处理;配置所需的技能工具(MCP、插件等);
在右侧调试窗口输入框左侧,点击
图标上传您的本地文件后,可围绕文件内容进行对话。
参数配置
在应用内选择通义千问VL系列模型处理图片时,支持点击选择图片处理方式。
示例
选择通义千问VL系列模型,配置页图片处理方式选择模型处理+规划;
在MCP服务处添加人物风格重绘工具;
上传示例文件girl.png,提问:“帮我把这张图的画风转为炫彩卡通风格。”。
API调用
前提条件
应用发布:调用 API 前,请确保应用已在控制台发布。
处理模式:文件的具体处理方式将遵循您在控制台为该应用配置的模式。
文件传递方式和参数说明
文件传递方式 | API 参数 | 主要用途 / 特点 |
通过 URL (图片专用) |
| 进行图片检索、视觉理解,单文件大小限制10MB。 |
通过 URL (通用文件) |
| 提取文件中的文本内容,适合处理小文件,单文件大小限制10MB。 |
通过文件上传API接口 |
| 生产环境推荐。支持上传更大文件,更稳定。 |
更多调用信息请参考:上传文件(文档、图片、视频或音频)。
常见问题
如何为API提供公网可访问的文件URL ?
推荐使用阿里云对象存储OSS,它提供了高可用、高可靠的存储服务,并且可以方便地生成公网访问URL。
在公网环境下验证生成的 URL 可正常访问:可在浏览器或通过 curl 命令访问该 URL,确保文件能够成功下载。
文件的有效期是多久?
通过聊天窗口上传的文件仅在当前会话中有效,关闭或刷新页面后将失效。
为什么我的文件上传失败?
请优先检查文件大小、格式是否符合支持的文件格式。
为什么模型的回答不完整或不准确?
可能的原因:
文件内容被 token 限制截断,可进入配置页配置,或使用切片检索模式;
提问不够具体,建议明确指出需要的信息类型;
文件内容质量问题,如扫描件清晰度不够。
主账号的子业务空间在智能体应用中选择模型时显示未授权?
子业务空间需获得主业务空间对指定模型的授权,请参考授权子业务空间模型调用指南。