全域AI搜索
全域AI搜索
- 文档首页
全域AI搜索AI搜索引擎用户手册用户指南数据集文档数据集
文档反馈
问问助手说明
文档数据集免费 beta 试用期间，免费版账号下可支持导入和处理 100 篇文档，标准版账号下可支持导入和处理 1000 篇文档。
文档数据集的存储和处理将于 2025年1月初正式上线付费使用。您在免费试用阶段导入的文档不会收取额外的存储和处理费用，计费上线后导入的新文档，将按照文档存储和处理的页数计算套餐包消耗和超额费用。
如果您希望在对话式搜索Agent服务用户的过程中，可以使用平台沉淀的文档知识来辅助Agent回复用户的疑问，和为Agent提供更多的行业知识、平台知识来进行回复的总结生成，您可以使用文档数据集导入此类非结构化数据，并关联至搜索Agent所在应用。
区别于物品数据集存储的结构化数据，文档数据集中支持对非结构化数据（文档内容）的存储和处理。目前支持导入以下格式的数据：
- 带有格式的文档数据：扩展名为pdf，doc，docx，ppt，pptx的文件
- 纯文本类文档数据：扩展名为md，html，txt的文件
- 表格文件：扩展名为xlsx, xls, csv, jsonl的文件
- 图片文件：扩展名为JPEG、PNG、WEBP、BMP、TIFF、ICO、DIB、ICNS、SGI、JPEG2000的位图文件
您可以使用这些文档的知识赋能以下场景：
- 电商导购场景中：导入会员政策、售后政策、商品详情、促销活动等文档，帮助Agent快速解答用户关于会员权益、退换货流程、商品参数等常见问题。使Agent更好地解答用户转化前的疑问。
- 垂类内容搜索场景：导入垂类行业知识，帮助Agent快速理解并回答用户关于特定领域的专业问题，可以更好地解读用户的query和策划搜索，提升Agent在垂直领域的专业性。
说明
表格类文件和物品数据集均为“结构化数据”，是有明确字段定义和固定列格式的数据类型。在 AI 搜索引擎中，物品数据集和表格类文件的处理方式和使用场景有以下的区别：
- 物品数据集：用于构建可用于搜索、推荐的结构化索引数据，每条数据的字段可被指定索引的不同用途，除了可用于语义检索外，还可以支持按列的精准过滤、基于字段统计用户行为的偏好等用途，本质是以数据表形式存储并进行特征工程、索引构建等多种加工的结构化数据。如果您想把数据作为搜索、推荐的候选内容，则必须选用物品数据集的形式进行导入。
- 表格类文档：作为问答的知识底库，适合上传问答对、评价信息、常见问题解答、产品说明书等结构化知识内容，支持在对话场景中作为知识源参与用户答疑。不能作为搜索、推荐的候选数据。
您可以在 应用界面 > 数据配置 中打开文档数据集页签创建一个文档数据集并直接关联至应用生效的问答流程，或在应用 > 数据集 > 文档数据集页签创建一个文档数据集后手动关联至问答流程。
点击创建后，您需要为文档数据集设定一个名称，并可以导入一批文档文件。
导入文件时会进行格式和大小校验，具体支持的文档格式和大小限制见文档格式和大小限制。
您也可以在数据集 > 文档数据集详情页打开文档导入功能。
导入文档后，系统将自动进行文档的智能处理，包含文档的读取、解析、切片、索引构建和向量化存储等步骤，以确保文档内容能够被检索。
原始文档将被处理为markdown格式的数据，文档处理完成后，可点击查看按钮查看文档处理后的文本内容。
删除文档
您在应用和数据集的文档数据展示界面均可进行文档的删除，点击删除按钮后，我们会请您进行一次敏感操作确认，点击确认后即可删除文档。
文档数据当前beta免费对用户开放功能，我们目前支持以下类型文档的上传和处理：
文档类型 | 处理大小限制 |
|---|---|
单文档不超过 100MB，且不超过 1000页 | |
doc | 单文档不超过 100MB，且不超过 1000页 |
docx | 单文档不超过 100MB，且不超过 1000页 |
ppt | 单文档不超过 100MB，且不超过 1000页 |
pptx | 单文档不超过 100MB，且不超过 1000页 |
markdown | 单文档不超过 5 MB |
txt | 单文档不超过 5 MB |
html | 单文档不超过 5 MB |
xlsx | 不超过 50 sheet, 文件行数总和不超过 30000 行 |
xls | 不超过 50 sheet, 文件行数总和不超过 30000 行 |
jsonl | 30000 行，单行不超过 65535 个字符 |
图片文件（JPEG、PNG、WEBP、BMP、TIFF、ICO、DIB、ICNS、SGI、JPEG2000） | 单文件大小不超过 8MB
|