知识库检索节点

​

节点特性

知识库检索节点属于工具型处理节点，其核心特性是执行向量检索操作并将结果封装为上下文变量，而非直接输出给用户。

​

工具节点 vs 输出节点

在LangChat Pro工作流中，节点按照输出特性分为两类： 输出节点（直接响应用户）：

• LLM大模型节点：支持流式输出
• 直接回复节点：输出变量内容

工具节点（上下文变量传递）：

• 知识库检索节点
• 百度搜索节点
• 数据处理节点
• 其他功能节点

​

执行场景对比

​

知识库检索节点

知识库检索节点基于向量数据库技术，通过语义相似度匹配从知识库中检索相关文档片段。

​

配置参数

​

输入参数

关键字：

• 支持动态引用流程上下文变量
• 支持静态文本输入
• 支持变量和文本的混合输入
• 通过智能变量选择器配置
• 用于向量相似度匹配

知识库：

• 选择要查询的知识库
• 支持多个知识库选择
• 通过知识库选择器配置
• 影响检索的数据范围

召回数量：

• 控制返回的检索结果数量
• 影响输出变量的数据量
• 平衡检索精度与处理性能
• 建议值：3-10条

召回分数：

• 控制检索结果的质量阈值
• 范围：0.0-1.0
• 分数越高，结果越相关
• 建议值：0.7-0.9

​

输出变量

知识库检索结果：

• 数据类型：TEXT文本格式
• 内容：包含相关文档片段和相似度分数
• 用途：供下游节点引用和处理

​

典型使用场景

​

场景一：简单知识检索

适用场景：

• 用户问题，获取相关知识
• 基于文档的问答场景
• 简单的一问一答交互

​

场景二：检索+AI处理

适用场景：

• 需要AI分析检索结果的复杂场景
• 结合知识库和AI推理的问答
• 多步骤的信息处理流程

​

场景三：多知识库检索

适用场景：

• 需要从多个知识库检索信息
• 综合多个数据源的回答
• 复杂的信息整合需求

​

场景四：检索+搜索结合

适用场景：

• 结合知识库和实时搜索
• 静态知识和动态信息的结合
• 全面的信息检索和回答