# 文档问答

文档问答」功能基于上传的非结构化文档，通过人工智能技术进行解析与训练。当用户发起问题时，系统能够从知识库中智能检索相关知识片段，并生成自然、准确的回复内容。

# 问答模式

在「知识问答」的「设置」页面，可以选择三种问答模式：基础模式、RAG 模式、Agent 模式。不同模式适用于不同的问答场景：

模式	特点	适用场景
基础模式	基于标准 FAQ 匹配，直接命中预设问答	问题与答案相对固定、高频重复的场景
RAG模式	基于知识库全部数据进行语义检索与增强生成	需要理解文档内容并生成自然回复的场景
Agent模式	具备图片理解、上下文深度理解与多次检索推理能力	问题复杂、需要多步推理与综合判断的场景

# 基础模式

基础模式即标准 FAQ 模式。平台会优先匹配用户问题与知识库中的常见问答。当问题能够被精确命中时，系统会直接返回对应答案。这种模式的优点是响应快、结果稳定，适合问题与答案相对固定的场景。

# RAG 模式

RAG 模式（检索增强生成）会基于知识库中的全部数据进行语义检索，再结合大语言模型生成回复。相比基础模式，RAG 模式的理解能力更全面，回答也更灵活。它适合用户提问方式多样、需要结合文档内容进行回答的场景。在 RAG 模式下，系统会先检索与问题语义相关的知识片段，再基于这些片段组织语言生成答案。回复内容会尽量贴合原始知识，减少「幻觉」。

# Agent 模式

Agent 模式是三种模式中能力最强的形态。它不仅支持语义检索，还具备图片理解、上下文深度理解以及多次检索推理能力。面对复杂问题时，Agent 模式可以先分析问题、规划检索策略，再多次执行检索，最终给出更完整、更高质量的回答。 Agent 模式适合需要多轮推理、跨文档综合分析或结合图片信息回答的场景。例如，用户上传一张产品截图并询问使用方法，Agent 模式可以理解图片内容，再检索相关文档给出答复。

# 问答效果与输出方式

完成模型训练后，可在"调试面板"中预览问答效果。确认无误后，需要完成发布后文档问答能力才能在线上环境（已绑定的应用）中生效。

文档问答的回复样式根据应用接入方式有所不同，主要体现为以下两点：

# 输出方式

输出方式	输出应用	说明及优点
流式输出	网页H5、小程序插件	支持展示"引用来源"和"思考过程"
直接输出	公众号、微信客服、API等	回复内容一次性完整返回

# 回复参考与溯源

在流式回复中，系统会展示思考过程与引用来源。用户可点击引用来源查看原始内容：若来源是网页或公众号文章，则跳转至原文；若来源是上传的本地文档，则展示相关原文片段。在流式回复中，系统会展示思考过程与引用来源，以增强可信度和可追溯性：

思考过程：展示AI生成当前回答所依据的简要推理逻辑或检索的关键信息点。
引用来源：列出回答所参考的原始文档标题。
- 点击查看参考内容：
  - 若来源是网页或公众号文章，则跳转至原文。
  - 若来源是上传的本地文档，则展示相关的原文片段。

如果在传知识文档时开启了【图片理解】功能，模型还能识别并理解文档中的图片信息，并在生成回复时提供相关图片作为参考。