OpsPilot 知识库升级：RAG 预处理强化，文档提取 + 分块策略全场景适配指南

直达原文：OpsPilot功能上新：知识库 RAG 预处理强化，细化文档提取和分块策略（内附体验环境）

在大语言模型技术快速发展的当下，检索增强生成（RAG）技术凭借强大的潜力，在众多应用场景中得到广泛运用。嘉为蓝鲸 OpsPilot 作为智能运维支撑平台，深度融合 LLM 大模型能力，基于 RAG 技术构建高效知识库体系。

在 RAG 技术栈中，提取与分块如同 “知识手术刀”，将原始文档精准切割为适合大模型处理的 “知识细胞”，既避免长文本的 “信息肥胖症”，又防止短文本的 “营养碎片化”，它们直接影响着后续文本向量化的质量，以及检索效率与大模型输出的准确性。

01.知识处理

将用户上传的各类知识（如各类型文档、自定义文本、网络链接）进行提取-分块-增强，以便后续知识向量化和混合检索。针对不同类型的知识，OpsPilot提供“5+4”类提取、分块策略，提供给用户多元搭配选择，如：用户上传一个长文本技术文档，可先通过章节提取抓取目录结构内容，再结合语义分块，基于算法按主题拆分，为后续检索筑牢基础。

1）文档提取

能将各类格式文档转化为可供系统处理的文本，从大量原始数据中提取出可被系统处理的文本信息，确保信息的完整性与准确性。它的进行关乎到最终能拿到什么数据信息，比如：无法编辑的PDF文件，质量不好的提取，可能拿到的就是乱码。OpsPilot 通过五种方式实现高效提取：

（1）五大文档提取方式

1. 全文提取：适用PDF、MarkDown、TXT等，直接提取全部文本内容，并对扫描版PDF启用OCR识别图像文字。
2. 章节提取：适用Word等，利用文档的目录结构（如标题）提取内容，适合技术文档、论文等长文本。
3. 页面提取：适用PPT等，按页分割，每页作为一个独立单元提取。
4. 对表格——适用Excel（.xlsx/.csv）等

• 工作表提取：将每个工作表（Sheet）作为独立单元整体提取，保留表格的完整结构和数据。
• 行级提取：提取表头和逐行数据，生成表头字段和行记录。

2）文档分块

将长文本拆分为较小的、语义聚焦的短单元，解决长文本向量化中的语义稀释、计算资源消耗和检索效率低问题。分块为文本建立“检索索引”，提升检索定位精准度与速度；同时，轻量化文本既能避免大模型输入超限，又能增强生成逻辑连贯性。OpsPilot 通过四种分块方式达成以上效果：

• 定长分块：‌适用TXT、PPT、PDF、Excel等。按预设的固定长度分割内容，适合快速批量处理数据。
• 循环分块：‌适用长文本（PDF、TXT等），在定长分块基础上，设置块间内容重叠减少语义断裂，适合需要连续上下文的。
• 语义分块：适用结构化文档（Word、Markdown等）、技术文档（PDF 带目录等），基于内容逻辑分割，保留完整语义单元（如章节、段落模块），适合需逻辑关联的长文本处理。
• 不分块：适用短文本（邮件、摘要）、小型文件（单页 PPT、简单表格、短文TXT），保留全部原文内容，适合需要整体理解的场景。

02.功能介绍

1）上传：多类知识汇聚上传

知识库支持三种知识上传方式，包括：本地文件上传——私域知识沉淀、网页知识——动态知识补充、自定义文本——碎片知识整合，覆盖用户全方面知识上传需求。

2）提取：多元格式适配，精准识别内容

为精准识别不同格式文档内容，OpsPilot 以多元提取方式适配需求。包含全文提取（处理 PDF 等，扫描件启用 OCR）、章节提取（按 Word 目录结构解析长文本）、页面提取（拆分 PPT 单页），以及表格的工作表整体提取、行级数据提取，实现文档结构与内容的深度解析。

3）分块：破解长文本难题，优化检索效果

提取出可编辑的文本数据后，分块对其进一步处理，通过精细切割让知识 “化整为零”，为高效检索与智能生成铺就基石。分块功能依据文本特性与应用场景，提供多元策略：定长分块、循环分块、语义分块、不分块。分块通过优化知识颗粒度，让机器理解与检索的效率，真正匹配人类的知识逻辑。

03.嘉为蓝鲸OpsPilot——更懂运维的AI平台

嘉为蓝鲸OpsPilot是一款集知识库管理、技能配置、机器人管理和工具管理为一体的智能运维支撑平台，通过结合LLM大模型强大语义理解、知识增强与多模态处理能力，从而实现运维相关的问答和操作。此外，OpsPilot更加聚焦于运维领域，超出单个LLM大模型的能力范畴，成为更懂运维的智能AI平台。