知识检索节点

1. 定义

知识检索节点用于根据用户输入的问题，从指定文档或知识库中检索相关内容片段。

该节点本身不直接生成最终回答，而是负责查找与问题相关的资料，并将检索结果输出给后续节点使用。通常会与 LLM 节点搭配使用，由 LLM 节点根据用户问题和检索结果生成最终回复。

常见流程：

1. 用户在开始节点输入问题。
2. 知识检索节点从指定文档中检索相关片段。
3. LLM 节点结合用户问题和检索结果生成回答。

2. 可用于检索的文档类型

GoInsight 的工作空间文档中，文档类型包括：

• 富文本文档
• 代码或纯文本文档

其中，知识检索节点主要用于知识问答场景，只能选择可用于检索富文本文档的内容。

3. 添加节点

在工作流编辑页中，可以通过以下方式添加知识检索节点：

• 右键点击画布，选择知识检索节点。
• 或点击上一节点末尾的 “+” 号，添加知识检索节点。

4. 配置说明

输入查询

输入查询是用于检索的问题或关键词。

插入前序变量，例如开始节点的 Query，该变量应为 String 类型。

文档

文档用于指定检索范围。

点击 “+” 按钮，可以添加需要检索的工作空间文档。节点运行时，只会在已添加的文档范围内查找相关片段。

Top K

Top K 用于控制最多返回多少条相关片段。最大支持输出10个引文。

例如：

• Top K = 3：最多返回 3 条相关片段。
• Top K = 5：最多返回 5 条相关片段。

数值越大，返回内容越多，但也可能让后续 LLM 节点处理更多无关或重复信息。

来源相关性

来源相关性用于控制检索结果与查询内容的匹配程度。

数值越高，结果通常更精准，但可能返回更少内容。
数值越低，结果可能更多，但相关性可能下降。

如果检索不到内容，可以适当降低来源相关性。
如果返回内容不够准确，可以适当提高来源相关性。

检索结果重排

开启后，系统会对初步检索到的结果进行二次排序，把与用户问题更相关的片段排在前面。

该功能适合文档内容较多、相似内容较多，或希望提升检索准确性的场景。

什么时候需要 rerank？

1. Top-k 很大，需要挑最相关的几段给 LLM 例如向量搜索先抓 40～80 段，再用 reranker 选出最相关的 5～10 段。这常见于知识库大、文件长、chunk（文本块）很多的情况。
2. 使用者问题比较精细，或语义相近但差异重要 例如：「退款政策」和「退货政策」很像，但答案可能不同。向量搜索可能都抓到，reranker 可以更精准判断哪段真的回答了问题。
3. 文件品质不均（比如把相似的问题放很多地方没整理好）、chunk 噪音多（比如没去掉无用信息） 如果初步 retrieval（检索）常常抓到相关但不够直接的内容，rerank 可以把「真正能回答问题」的内容排在前面。

什么时候反而不要用？

1. 查询很简单、数据量小、retrieval 已经很准 例如只在几十篇文件内查询，或 metadata filter（元数据过滤）已经精准命中，rerank 可能造成语义被问题干扰。
2. top-k 很小 如果你本来只抓 3～5 段，rerank 的改善空间有限，还可能因为 reranker 误判而变差。
3. reranker 与任务不匹配 例如 reranker 是通用语义相关性模型，但你的任务需要精确数值、时间、表格字段、代码依赖。这时 reranker 对语义无关的内容没有加分，可能需要专门的检索策略。

重排模型

重排模型用于在开启检索结果重排后，对检索结果重新评分和排序。

例如选择 Qwen/Qwen3-Reranker-0.6B。

开启重排后，输出结果中会包含 RerankScore，表示重排后的相关度评分。

5. 输出变量

知识检索节点输出变量为 Result，类型为 Array[Object]，表示匹配到的分段列表。

后续 LLM 节点可以引用 Result，将检索到的内容作为回答上下文。

6. 错误处理

知识检索节点支持错误处理配置。

如果选择“不做处理”，节点执行出错时，工作流会中断。

常见出错原因包括：

• 查询变量为空或格式不正确。
• 未添加可检索文档。
• 文档不可访问。
• 检索或重排执行失败。

7. 应用场景

知识检索节点常用于：

• 企业知识问答
• 客服问答系统
• 内部知识助手
• 基于文档内容的问答流程

例如，用户提出产品使用问题后，知识检索节点先从产品文档中找到相关片段，再由 LLM 节点根据这些片段生成回答。

知识检索与文档读取的区别

知识检索节点和文档读取节点都可以在工作流中使用文档内容，但两者的使用方式不同。

知识检索节点 是通过用户问题与文档内容进行匹配，只返回与问题最相关的片段。它更适合知识问答场景，例如用户提出一个问题，系统从大量文档中检索相关内容，再交给 LLM 生成回答。

文档读取节点 是直接读取指定文档内容，通常会将文档全文或指定内容输出给后续节点。它更适合需要完整读取某个文档的场景，例如读取一份配置文档、读取固定模板、读取 Personal Data 中的个人数据，或读取代码 / 纯文本文档内容。

简单来说：

如果需要从大量文档中“找相关内容”，使用知识检索节点。
如果需要把某个文档内容“完整读出来”，使用文档读取节点。