文件与检索用于控制文件上传、内容提取、OCR、全文注入、向量化检索、语义增强、RAG 和上下文压缩增强。它决定用户上传文件后能否被预览、提取、检索并进入对话上下文。

使用入口#

进入管理端后打开“文件与检索”。页面按上传限制、内容提取、全文注入、向量化检索、语义增强、RAG 和上下文压缩增强分组。

这些设置会影响所有用户的后续文件处理。修改前应确认存储、提取服务、Embedding 服务和任务模型都可用。

各类上传、提取、全文注入、向量化、RAG 和压缩参数的完整说明，见 文件与检索进阶。

上传限制#

上传限制用于控制单条消息附件数量、默认文件大小上限、用户存储配额、MIME 白名单，以及图片和文档的单独大小上限。

MIME 白名单决定用户能上传哪些文件类型。大小上限和用户配额用于保护存储成本和处理资源。设置过严会影响用户上传体验，设置过松会带来存储和解析压力。

内容提取#

内容提取决定文档、PDF、表格、演示文稿、代码和文本如何提取内容。平台可以接入 Tika、Docling、MinerU、Tesseract OCR、RapidOCR、PaddleOCR、腾讯云 OCR、阿里云 OCR 和 LLM OCR 等能力。

不同服务适合不同文件类型。Tika 适合通用文档文本提取；OCR 适合扫描件和图片文字；Docling 或 MinerU 更适合复杂文档解析。管理员可以测试连接，确认服务地址和凭据可用。

全文注入#

全文注入用于把文件内容直接放入对话上下文。它适合小文件、精确审阅、合同条款检查、代码片段分析等场景。

管理员可以限制全文注入的文本大小、Token 上限和 PDF 页数。开启限制可以避免超大文件挤占上下文，关闭限制则更依赖模型上下文容量和用户自觉。

向量化检索#

向量化检索用于把文件内容转换为向量索引，让模型按问题召回相关片段。它适合大文件、多文件和知识库式问答。

配置 Embedding 时，需要启用服务、填写服务地址、请求模型和相关参数。Embedding 模型变更后，旧向量会被标记为失效，需要在索引状态中执行重建索引。

向量索引状态#

向量索引状态会显示当前签名、就绪、失效、待处理、失败和空状态。当检测到失效向量时，应点击“重建索引”。

重建索引会提交后台任务异步执行。文件数量较多时，重建可能需要较长时间。重建期间，部分文件检索结果可能不完整。

语义增强和 RAG#

语义增强用于让系统在会话中召回更相关的历史消息或文件内容。RAG 设置决定检索片段数量、召回策略、证据使用和上下文拼接方式。

开启语义增强前，需要先启用消息向量化。RAG 适合资料较多、问题需要跨文件查找或希望降低全文注入成本的场景。

上下文压缩增强#

上下文压缩增强用于长对话或大资料场景。它可以在上下文接近限制时压缩早期内容，减少当前回复链路阻塞，并尽量保留关键信息。

压缩模型可以跟随当前模型，也可以指定专用任务模型。建议选择稳定、成本可控且擅长总结的模型。

使用建议#

先配置上传限制和基础提取，再开启 OCR、Embedding 和 RAG。小文件优先全文注入，大文件优先向量检索。修改 Embedding 模型后及时重建索引；开放新文件类型前，先用样例文件验证提取和预览效果。

配置项对照#

文件与检索页由 storage.*、file.*、extract.* 和部分 chat.* 配置共同组成。

其中 Embedding 服务就绪条件依赖 file.embedding_enabled、file.embedding_host 和 file.rag_model；RAG 相关参数只有在 Embedding 就绪且 chat.rag_enabled 开启后才会完整生效。