大模型知识引擎 LKE 新手入门指南：官方文档难懂？看这篇就够了

昨天简单体验了一下大模型知识引擎（LKE），总体来说，虽然其功能方面还有一定欠缺，但在一些特定领域，特别是RAG（Retrieval-Augmented Generation）技术的应用上，还是表现出了一些优势。通过这种技术，LKE能够提供相对准确和高效的回答，尤其是在需要快速检索和生成信息的场景下，展现了较好的性能。
今天，我将简单地分享一些个人的经验，帮助新人快速入门大模型知识引擎。在此过程中，大家可以结合官方文档进一步深入理解。本文仅为我的个人使用心得，具体使用效果和经验可能因个体差异而有所不同。希望这些分享能为大家提供一些参考和帮助。
大模型知识引擎

首先，大家可以直接前往官方地址体验大模型知识引擎（LKE），链接为：https://cloud.tencent.com/product/lke。
如图所示：

体验中心

首先，我们可以直接点击进入体验中心，开始体验各种功能。例如，在这里，我选择——汽车问答助手，如图所示：

一键复制

假如在体验过程中，你觉得这个助手的功能与效果非常接近你的需求，完全符合你想要实现的目标，那么你可以轻松地将其复制并保存为你的专属模板，以便日后使用。具体操作方式如下图所示：

以后的将来，官方可能会推出更多的模版供大家选择。
新建应用

当然，如果在体验过程中，你没有找到完全符合需求的助手或功能，你也可以通过点击“新建应用”按钮，快速创建一个全新的应用，完全按照你的需求进行定制化设置。操作步骤可以参考下图所示：

知识库

如果你曾经使用过智能体应用，那么对于知识库这一功能你应该已经相当熟悉。然而，在此我希望特别提醒你注意一个关键功能。
在真实的业务场景中，许多用户其实更倾向于希望大模型能够直接根据我们提供的标准答案进行回应。这是因为经过润色后，可能会遗漏一些关键信息，导致最终的回答不够清晰或容易让使用者产生误解。
因此，能够直接根据原始答案进行反馈的功能显得尤为重要，尤其是在需要精确传达信息的场景中。具体操作可以参考下图所示：

tips：请特别注意助手的输出方式，尽管你选择了非流式输出模式，这并不会提升助手的响应速度。相反，由于非流式输出需要将所有信息一次性生成并返回，实际上可能会导致用户的等待时间更长。

维护知识库

在实际应用中，大多数厂商通常会提供一种功能，允许通过网址路径抓取网站的内容，并将其转化为知识库。这种方法能够自动化地收集并整理网络上的信息，从而为智能体提供更加丰富的知识来源。
举个例子，以下这个网站就是一个典型的被抓取并用作知识库的资源：

然而，腾讯云的大模型知识引擎在进行网站内容抓取时，仍然保持着相当谨慎的态度，严格遵循各网站的爬虫协议。因此，像上面提到的这个网页，其内容是无法被成功抓取并纳入知识库的，因为它的爬虫协议禁止了此类操作。

但是，如果你选择的网址URL能够正常通过抓取，那么其内容虽然能够成功获取，但仍然需要我们进行一定程度的维护和处理。这个过程通常涉及对抓取到的信息进行清洗、结构化整理，以确保数据的准确性、完整性以及适用性。如图所示：

你需要去掉没有用的文字和图片引用，不然会直接污染你的知识库召回，从而导致大模型输出内容错误。
发布

注意，这里我们以“知识管理”标签为例。假设你已经完成了知识库内容的维护，并且当前状态为“待发布”。请不要担心，状态显示为“待发布”仅仅是因为该内容与您上一个发布的助手版本引用的内容尚未发生任何变化。
在目前的调试环境中，该内容是完全可以正常使用的。如果你希望立即在生产环境中应用更新的内容，只需点击页面右上角的发布按钮即可。
需要特别说明的是，大模型知识引擎在这里提供了一种环境隔离机制，确保在调试和发布之间的内容不会直接影响生产环境的稳定性。

问答

自定义

单独讲一下问答部分。在系统中，你可以直接进入知识库，并通过“问答”标签来新建一个问答对。具体操作步骤如下：

不过你的问题，最好还是让AI生成几个相似问题，这样可以让大模型更好命中，如图所示：

修正

如果在某个问题中，大模型生成的答案恰好符合你期望的结果，你可以直接点击“修正”按钮，将当前的问答内容保存为模板，便于以后在类似场景中快速调用。这种方式不仅提高了效率，还能够确保在以后遇到相似问题时，能够得到更加精准和一致的回答。如图所示：

同义词

如果是心思细腻的小伙伴，你们可能已经注意到在编排页面的最底部，有一个“高级设置”选项。虽然目前这个设置下只有一个“同义词设置”功能，但对于一些有方言或地方性用语的用户来说，这个功能还是非常有实际应用场景的。如图所示：

在这里，我们简单演示了东北话方言的处理方式。当用户使用东北话进行提问时，系统会自动将方言转义为标准语言，以确保大模型能够准确理解并生成恰当的回答。如图所示：

小结

关于编排页面的内容，今天的讲解就暂时到此为止，希望这能对大家有所帮助。在接下来的学习中，我们将进一步探讨工作流内的相关内容，未来会根据不同的应用场景，深入分析这些功能的使用方法与技巧，帮助大家更好地掌握和应用。
我是努力的小雨，一个正经的 Java 东北服务端开发，整天琢磨着 AI 技术这块儿的奥秘。特爱跟人交流技术，喜欢把自己的心得和大家分享。还当上了腾讯云创作之星，阿里云专家博主，华为云云享专家，掘金优秀作者。各种征文、开源比赛的牌子也拿了。


来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！