WeKnora 知识库实战将《员工手册 · 报销与休假》样例语料打造成可检索的制度问答知识库【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora本篇技术指南以仓库website-docs/sample-data/下的《员工手册节选· 报销与休假》样本文档为主线讲解制度类、表格密集型文档如何在 WeKnora 中完成「导入 → 分块 → 检索 → FAQ 化 → 验收」的完整知识库落地路径。读者可以据此复现一套面向人事/财务场景的 RAG 知识库并掌握用仓库自带样例数据验证混合检索效果的具体方法。1. 样例语料在 WeKnora 文档体系中的定位website-docs/sample-data/目录是 WeKnora 官方文档为演示知识库能力准备的虚构企业语料集合共 5 个文件共同构成一条完整的内部知识库演示链路文件内容定位在演示链路中的角色01-产品手册-智能家居中控.md产品技术手册回答产品规格类问题02-会议纪要-Q1产品规划.md项目会议纪要回答里程碑与责任人问题03-员工手册-报销与休假.md制度文档本指南主体回答差旅、报销、请假类制度问题04-技术方案-售后知识库POC.mdPOC 方案文档定义验收题与检索策略05-常见问题-FAQ导入样例.jsonFAQ 结构化数据演示 FAQ 知识库批量导入其中技术方案·售后知识库POC 的「语料清单首批」将《员工手册 · 报销与休假》列为第 3 项标注格式为 Markdown、预估分块 30 个应用场景是「售后出差场景」——一线工程师出差报销、请假时可以直接向知识库提问并得到带出处的答案。而 FAQ 导入样例 中「人事」分类下的「一线城市住宿报销上限」「出差餐饮怎么报」「年假 10 年工龄有多少天」三条问答正是从这份员工手册提炼的标准问答对与文档库形成「文档可溯源 FAQ 秒回」的双通道覆盖。2. 样本文档的内容结构与检索价值分析《员工手册节选· 报销与休假》是一份典型的「数值密集型」制度文档正文包含大量阈值、条件分支与例外条款非常适合用来检验 RAG 系统对结构化规则类内容的理解与召回能力。其结构如下2.1 差旅报销交通费 / 住宿费 / 餐饮补贴交通费按职级区分标准是典型的「条件 → 数值」映射职级飞机高铁 / 动车市内交通M3 及以上经济舱一等座实报实销单日上限 300 元M1–M2经济舱二等座实报实销单日上限 200 元普通员工经济舱需提前 3 天审批二等座实报实销单日上限 150 元附加规定机票需通过公司指定商旅平台预订自行购票报销需在行程结束后 7 个工作日内提交连续乘坐超过 6 小时的高铁可申请升级一等座须直属主管邮件审批。住宿费按城市级别设上限城市级别每晚上限含税一线城市北上广深600 元新一线城市450 元其他城市350 元超标部分由个人承担除非活动主办方统一安排且取得财务部特批。餐饮与补贴方面出差期间餐饮费不单独报销按天数领取差旅补贴国内一线城市 150 元/天、国内其他城市 120 元/天、境外按财务部当月汇率表执行客户招待餐费走业务招待费流程与差旅报销分开。2.2 日常费用报销时限与科目所有发票须在费用发生日起 30 日内提交 OA 报销单逾期需直属主管 财务经理双签说明。常见科目如下科目说明附件要求办公用品单价 500 元发票 采购清单培训费外部认证、行业会议发票 培训通知 结业证明测试设备采购研发测试用样机、传感器发票 项目编号 资产入库单此外还包含一条跨文档引用规则研发人员购买测试硬件须先在资产系统创建「研发样机」条目再关联报销单并参考《产品手册 · 智能家居中控 Pro》中的型号与规格填写——这为验证 WeKnora 的跨文档检索提供了天然的测试场景。2.3 年假与请假流程与例外年假按工龄计算以入职日期为准1 年以下 5 天、1–10 年 10 天、10 年以上 15 天当年 3 月 31 日前入职的员工当年年假按剩余月份折算之后入职次年才开始享受全额年假。请假流程为三级审批3 天以内直属主管审批、3–7 天部门总监审批、7 天以上 HR 备案病假连续超过 2 天需附二级以上医院证明若请假期间有已定版的发布节点如固件 3.5 灰度、知识库 POC 验收须在项目群同步并指定工作交接人。2.4 违规处理与联系方式虚假发票、重复报销一经查实追回款项并按《员工奖惩制度》处理未经审批的境外差旅费用不予报销。报销政策咨询联系财务部financenovatech.example示例邮箱OA 系统问题联系 IT 服务台分机 8800。从检索角度看这份文档的每个小节都是一组「可被独立命中的知识单元」职级 × 交通方式 → 标准、城市级别 → 住宿上限、工龄区间 → 年假天数都是高密度的原子化问答素材天然适合做 RAG 的黄金语料。3. 导入 WeKnora 的完整操作链路将这份 Markdown 制度文档导入 WeKnora 并完成首次问答可以完全复用快速上手中的标准链路前提是已完成安装部署并准备至少一个对话模型和一个向量模型。3.1 Web 界面路径注册并登录无默认账号系统没有默认账号部署允许公开注册时页面显示注册页签在「知识库」页新建知识库类型选择document普通文档库在初始化向导中选择该知识库的对话模型与向量模型用「测试」按钮确认连接正常后保存进入知识库拖入03-员工手册-报销与休假.md支持 Markdown、PDF、Word 等格式完整清单见文档解析服务上传后文档异步解析状态依次为pending → processing → finalizing → completed进入对话页选择该知识库提问回答正文中的引用角标可展开查看原文出处。3.2 API 链路对于需要脚本化或集成到内部系统的场景可使用curl走通同样的链路路径统一使用/api/v1前缀BASEhttp://localhost:8080/api/v1 # 1) 注册首次部署时用户名 2–50 字符密码 8–32 位且含字母和数字 curl -s -X POST $BASE/auth/register -H Content-Type: application/json \ -d {username:hr_bot,email:hrexample.com,password:pass123456} # 2) 登录取 JWT TOKEN$(curl -s -X POST $BASE/auth/login -H Content-Type: application/json \ -d {email:hrexample.com,password:pass123456} | jq -r .token) AUTHAuthorization: Bearer $TOKEN # 3) 创建 document 类型知识库 KB_ID$(curl -s -X POST $BASE/knowledge-bases -H $AUTH -H Content-Type: application/json \ -d {name:员工制度库,description:报销与休假政策,type:document} | jq -r .data.id) # 4) 初始化知识库以本地 Ollama 为例远程模型改 source/baseUrl/apiKey curl -s -X POST $BASE/initialization/initialize/$KB_ID -H $AUTH -H Content-Type: application/json -d { llm: {source:local,modelName:qwen3:8b}, embedding: {source:local,modelName:bge-m3,dimension:1024}, rerank: {enabled:false}, multimodal:{enabled:false}, documentSplitting:{chunkSize:512,chunkOverlap:50,separators:[\n\n,\n,。]}, nodeExtract:{enabled:false}, questionGeneration:{enabled:false}} # 5) 上传员工手册样本文档 curl -s -X POST $BASE/knowledge-bases/$KB_ID/knowledge/file -H $AUTH \ -F filewebsite-docs/sample-data/03-员工手册-报销与休假.md # 轮询解析状态GET /knowledge-bases/$KB_ID/knowledge 直到 parse_statuscompleted # 6) 创建会话 SESSION_ID$(curl -s -X POST $BASE/sessions -H $AUTH -H Content-Type: application/json \ -d {title:报销政策咨询} | jq -r .data.id) # 7) 知识问答SSE 流式输出验证「一线城市住宿上限」能否命中并带引用 curl -N -X POST $BASE/knowledge-chat/$SESSION_ID -H $AUTH -H Content-Type: application/json \ -d {query:一线城市住宿报销上限是多少,knowledge_base_ids:[$KB_ID]} # 8) 仅检索不生成直接看召回的分块结构化 JSON curl -s -X POST $BASE/knowledge-search -H $AUTH -H Content-Type: application/json \ -d {query:新一线城市每晚上限,knowledge_base_ids:[$KB_ID]}回答正常显示、且引用可打开「住宿费」表格所在原文时说明该份制度文档已完成入库并进入可检索状态。4. 分块配置让表格型制度文档检索更准制度文档与长篇叙事型文档不同它由大量短段落和 Markdown 表格组成每个表格行本身就是一条「条件-数值」映射。WeKnora 的分块机制默认值为chunk_size 512、chunk_overlap 80、策略auto默认值单一来源见 internal/infrastructure/chunker 的 splitter.go 常量DefaultChunkSize/DefaultChunkOverlap更多参数说明见分块机制。针对《员工手册》这类文档建议按以下思路调整文档特征建议参数原因段落短、表格多chunk_size取 200–400FAQ 式原子内容用较小块避免相邻条目互相污染表格跨行上下文职级×交通方式chunk_overlap保留 50–80让表头与多行数据尽量落在同一块内条目式内容科目、城市级别重叠可设为 0避免相邻条目互相污染见分块机制参数速查需要「检索命中子块、回答用父块」enable_parent_childtrueparent 4096 / child 384精细命中 完整上下文POC 方案即采用该组合分隔符[\n\n, \n, 。]递归分块默认优先级序列Markdown 表格按段落切分即可几点重要约束chunkOverlap超过chunk_size/2会被钳制到一半修改分块配置后已有文档需要重新解析才能使用新配置可在不写入数据库的前提下用POST /api/v1/chunker/preview预览分块结果先看表格有没有被错误切碎再落库POC 技术方案对这份员工手册给出的建议参数为chunk_size 512、chunk_overlap 64保留表格上下文并开启父子分块可直接作为起点参考。5. 制度内容 FAQ 化复用仓库自带的 JSON 样例文档库适合回答「带出处、可展开阅读」的问题而高频、答案固定的制度问答更适合沉淀为 FAQ 条目——WeKnora 的 FAQ 知识库专门维护「退货政策、报销流程和常见故障处理」这类标准问答详见FAQ 能力。仓库的 05-常见问题-FAQ导入样例.json 中与《员工手册》直接对应的人事条目包括标准问答案要点相似问示例一线城市住宿报销上限是多少北上广深每晚上限 600 元/晚含税超标部分个人承担北上广深酒店报销额度 / 住宿标准出差餐饮怎么报不单独报销按天领补贴一线 150 元/天其他 120 元/天餐费能报销吗 / 吃饭费用年假 10 年工龄有多少天1–10 年为 10 天10 年以上 15 天按入职日期计算工作满十年年假 / 工龄年假天数每个 FAQ 条目包含标准问、相似问、反例问和答案检索时匹配问题并按命中策略返回答案。将这批条目导入 FAQ 知识库可走POST /knowledge-bases/:id/faq/entries批量导入接口请求体支持两种模式{ entries: [ { standard_question: 一线城市住宿报销上限是多少, similar_questions: [北上广深酒店报销额度, 住宿标准], negative_questions: [], answers: [一线城市北上广深每晚上限 600 元/晚含税超标部分个人承担。] } ], mode: append, dry_run: false }mode取append按内容哈希匹配已有条目命中则合并、未命中则新增或replace删除旧条目仅保留本批导入dry_runtrue时仅做格式校验与查重不落库适合先验证数据多值字段相似问、反例问、多答案用##分隔导入进度通过GET /faq/import/progress/:task_id轮询统计success_count / failed_count / merged_count / skipped_count等字段。FAQ 检索采用「向量 BM25 混合召回 → 两级标签优先 → 反例问过滤」的流程查询文本与某条目的任一反例问完全匹配小写比较时该条目会被剔除典型场景是避免「不支持 X 吗」误命中「支持 X」的条目。这意味着文档库与 FAQ 库可以同时挂在一个会话下文档库保证长文溯源FAQ 库保证标准答案即时命中。6. 用 POC 验收题验证检索与生成质量导入完成后POC 技术方案 的「验收用例」直接给出了可执行的验证题其中与本员工手册相关的用例为问题期望答案要点期望出处一线城市住宿报销上限600 元 / 晚员工手册 · 差旅报销建议按如下顺序做回归验证纯检索用POST /api/v1/knowledge-search分别查「一线城市住宿报销上限」「市内交通单日上限」「普通员工高铁舱位」等确认命中的分块来自《员工手册》而非其他语料跨库检索时尤其重要问答带引用用knowledge-chat提问检查回答是否给出引用且引用可打开原文表格反例测试用「餐费能报销吗」这类易混淆问题验证答案不偏离对照 FAQ 的反例问设计规模化验收如果语料扩充到上百份可借助评估能力的 Parquet 数据集与 12 项检索/生成指标做批量打分而不是逐条人工核对。POC 方案中与检索质量直接相关的两个可选项也值得了解默认采用「向量 BM25 混合检索、RRF 融合、Top-5 送入 LLM」对多义词场景可开启 Rerankbge-reranker-v2-m3。这两项与分块参数共同决定了制度文档「问得准、引得出」的程度。7. 边界说明与延伸阅读数据为虚构示例本员工手册是 WeKnora 文档站为演示知识库能力构造的虚构企业语料联系邮箱使用novatech.example示例域名内容不可作为真实企业政策依据在真实场景中请务必导入经过 HR/财务确认的现行版本制度文件并关注数据源导入中「语料过期 → 语料 Owner 机制」的风险治理思路POC 文档的风险章节亦有同样提示。本文档与 FAQ 样例的关系同一份制度内容文档库负责「答案 出处」FAQ 库负责「标准问秒回」两者配合是制度类知识库的推荐架构。完整操作链路参考快速上手分块细节见分块机制FAQ 导入与检索命中策略见FAQ 能力检索参数与检索引擎对比见检索引擎与向量存储。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考