知識來源
提供 AI 代理人指示、文章與檔案,更新索引並檢查它能找到的客戶問題答案。
本頁內容
要讓 AI 代理人依你的規則回答,請加入配送條款、課程介紹、操作指南或價目表。每組材料稱為知識來源,位於**「知識庫 → 來源」**。
加入後平台會擷取文字並準備搜尋,這稱為索引。在**「搜尋測試」**分頁輸入客戶問題,查看代理人會取得哪些片段。例如「可以退款嗎?」應找到你的退款條款。
來源還須在個別代理人的AI 回覆設定中選取;帳號有檔案或文章本身,不代表代理人可用。網站來源可排程更新,其他來源在內容改變或手動要求時更新。
來源類型
- 知識庫文章:此機器人已有的文章。已發佈文章可作公開來源,內部文章只供代理人,草稿完全不能搜尋。
- 網站:GetMyBot 自動讀取允許網址內的頁面。
- 檔案:已上傳的 PDF、Word、Excel、PowerPoint、純文字、Markdown 或 HTML。
- 指示:你自行撰寫的簡短規則,例如代理人必須遵循的退款條款。
- 事實:依識別碼保存的單一事實。
來源名稱最多 120 字元,完整來源設定(含指示文字)最多 64 KB。
可見範圍與優先序
每個來源有一種可見範圍:供 AI 代理人、供客服(預留給客服搜尋)、公開(可用於說明中心等公開頁面)。檔案、指示和事實不能公開;只有已發佈的知識庫文章可公開。搜尋前就會檢查權限,所以只能讀公開材料的代理人不會取得內部片段。
優先序介於 −100 和 100,在同樣相關的片段間決定順序;分數相同時優先序較高者在前。但更精確的問題匹配仍優先於優先序。
網站來源
設定 GetMyBot 可讀取的網站來源,例如 https://example.com,不含頁面路徑。這種含協定與網域的位址稱為 origin,最多 20 個。再設定 1–100 個開始爬取的頁面。只接受 HTTPS。
爬取範圍受以下限制:
- 爬蟲名稱為
MyBotKnowledge/1.0。讀取每個 origin 前先檢查robots.txt,略過Disallow路徑,遵守最多 10 秒的Crawl-delay。 - 只沿著指向允許 origin 的
<a href>連結前進。會去掉錨點及utm_*、gclid、fbclid參數,避免同頁重複索引。 - 每次請求前重新解析網域 IP;不允許 loopback、私人、link-local、multicast 或雲端中繼資料位址。重新導向也要通過相同檢查,最多三次。
- 每次請求 15 秒逾時,回應本文最多 8 MB,只接受 HTML、XHTML、純文字與 Markdown。
- 單一來源最多索引 100 頁。
爬蟲不登入網站、不送出表單,也不載入指令碼、媒體或子資源。密碼保護頁面不能直接加入;請公開材料或上傳為檔案。
**「每隔多少秒更新」只適用於網站,介於 60 秒與 366 天。文章、檔案、指示和事實不依排程重讀,只在變更或按「更新」**後重新索引。
上傳檔案
檔案須已在此機器人的媒體庫,大小不超過 8 MB。支援 PDF、DOCX、XLSX、PPTX、text/plain、text/markdown、text/html 和 XHTML。
文字擷取刻意有限:
- HTML 保留標題、清單和連結文字,移除指令碼、樣式、導覽、頁首、頁尾、側欄和範本。
- PDF 只讀文字,最多 100 頁。加密或損壞檔案會整份拒絕,不做部分擷取。
- Office 只讀文字內容;忽略巨集、嵌入物件和外部關聯,絕不載入。壓縮檔最多 500 個項目、壓縮比最多 100:1、解壓後最多 32 MB、200,000 個 XML 節點與 500,000 字元。
舊版二進位 .doc、.xls、.ppt 會回傳 unsupported_type。請另存 DOCX、XLSX 或 PPTX 再上傳。
索引與狀態
來源卡片顯示:待索引(新增或改動)、索引中、就緒(可搜尋)、需要更新、錯誤(上次處理失敗)或已停用(保留設定但排除搜尋)。
GetMyBot 將文字分成約 1,500 字元、重疊 200 字元的片段,再每批 32 個產生表示意義的數值向量(embedding)。所有片段成功後才用新版取代舊版,因此搜尋只會看到完整舊版或完整新版,不會看到半成品。內容未改變時會略過重複處理。
Embedding 使用機器人的 AI 整合(整合)設定的基底網址和金鑰;預設模型 text-embedding-3-small,每片段回傳 1,536 個數值。沒有可運作的 AI 整合,來源無法備妥搜尋。
單一來源最多 100 份文件,單份文件最多 500 個片段。處理中斷兩分鐘後,可由其他處理器接手,不會永久鎖住。卡片顯示嘗試次數、已處理文件與片段、失敗文件;**「取消索引」**可停止目前處理。
搜尋會回傳什麼
搜尋同時考慮字詞與語意,例如「商品怎麼退回?」可找到退貨條款。技術上結合:
- 字詞搜尋:利用 PostgreSQL 文字索引匹配用詞。
- 語意搜尋:利用向量索引和餘弦距離尋找相近意義。
兩者在查詢前排除其他機器人、此搜尋不可見、停用或已刪除的材料;再依結果排名用 reciprocal rank fusion 合併。排名相同時,考慮來源優先序及 30 天內的更新時間;同文件的相鄰片段會合併。
最多回傳 12 個片段,每段 800 字元。問題最多 16,000 字元,代理人最多可指定 100 個來源。
代理人按排名保存每個片段的來源、文件與片段 ID。回答若引用其他內容,會在發送前被拒絕,因此不能引用草稿、隱藏、停用或已刪除來源。
搜尋測試
**「知識庫 → 搜尋測試」**只顯示問題會找到的資料,不產生 AI 回答。每個結果顯示來源、標題、片段、匹配分數和原因(例如「混合匹配」),不顯示隱藏的系統資訊。帳號短時間的測試次數有限制。
請在啟用代理人前檢查;若此處片段不對,回答也不會可靠。
索引失敗時
最後錯誤以固定代碼保存:
blocked_address:網址、重新導向或解析 IP 超出允許範圍,或指向內部網路。robots_denied:robots.txt禁止此路徑。unsupported_type:內容或檔案型別不支援。file_too_large:下載本文或檔案超出大小限制。expanded_too_large:擷取文字、頁數或解壓內容超出限制。malformed_file:檔案或回應無法解析。fetch_timeout:網站未及時回覆。rate_limited:embedding 提供者限流,稍後重試。
修正後按**「更新」**。錯誤不含取得的文字,可以安全提供給支援。
刪除、停用與保存
**「停用」保留設定但排除所有搜尋;「啟用」重新排入佇列。「刪除」**會連同文件和片段一起移除來源。啟用中代理人已選用的來源不能刪除,會回傳衝突;先在代理人取消選取或暫停代理人。
資料隔離
來源、文件、片段和處理工作都綁定機器人。搜尋在執行前就限縮至該機器人,因此其他帳號即使有相同文字,也不會混入結果。
API 與 MCP
REST API 使用 knowledge:read、knowledge:write:
GET/POST /api/bots/{botID}/knowledge/sourcesGET/PATCH/DELETE /api/bots/{botID}/knowledge/sources/{sourceID}POST /api/bots/{botID}/knowledge/sources/{sourceID}/uploadPOST /api/bots/{botID}/knowledge/sources/{sourceID}/refreshPOST /api/bots/{botID}/knowledge/sources/{sourceID}/cancelPOST /api/bots/{botID}/knowledge/sources/{sourceID}/disablePOST /api/bots/{botID}/knowledge/sources/{sourceID}/enableGET /api/bots/{botID}/knowledge/sources/{sourceID}/index-statusGET /api/bots/{botID}/knowledge/sources/{sourceID}/documentsPOST /api/bots/{botID}/knowledge/retrieval-test
MCP 只有唯讀工具:list_knowledge_sources、get_knowledge_source_status、test_knowledge_retrieval;沒有修改來源或下載隱藏文件的工具。