智能体的数据集为智能分析Agent进行数据查询时的数据来源，数据集的数据质量和相关配置会直接影响智能体的数据查询结果。当您已经通过数据清洗等操作保障了智能体数据集的数据质量后，数据集的配置调优对数据查询结果的影响就非常重要，本文为您介绍数据配置的推荐思路和场景实践。

• 对数据集进行配置优化时，您需要结合智能体的应用场景，对于典型的问题、常问的业务指标等需要有一定的了解，结合应用场景去配置数据集。
• 数据集本身的数据质量对智能体的应用效果影响最大，因此当问数查询结果不符合预期时，您可先看下本身数据集的数据质量是否可以优化，是否需要先通过ETL方式对数据集先进行处理，例如将常问的、易理解错的业务指标先通过ETL处理好，相关实践参考可参见最佳实践：数据ETL处理规范。

通用配置思路

建议您根据当前智能体所需的数据集及各个数据集字段的现状，先梳理清楚各字段可能涉及的业务问数场景下的同义词等现状，再基于梳理结果进行配置。智能体的语义模型配置包含对整个数据集的语义配置、数据集中各个字段的语义配置两个主要部分。

• 整个数据集的语义配置：智能体通常包含多个数据集，在智能体进行选表时，会优先匹配数据集的语义模型结果（名称、描述、特征），建议仔细研读用户的问题集，找出能显著区分数据集的特征，以便对于大多数用户问题，通过特征识别来区分数据集。
• 数据集中各个字段的语义配置：
  • 建议仅开启必要的字段；对于存在多个日期字段且数值一致时，仅需开启一个，优先开启分区字段。
  • 针对【字段名称同义词】，如果用户问题集中对于某个字段名称有多个表述，把这几个表述加到这里。
    注意添加的时候一定要严格按照问题集中的表述添加，不是越多越好。在满足问题集的情况下，越少越好。

规划&配置案例

通用配置思路

• 知识库名称应精准：​目前，知识库采用名称/说明的键值对（KV）结构，系统依据用户问题与知识名称的相似度来召回知识。因此，知识名称的定义必须精准，应尽可能精确匹配问题，避免使用宽泛的名称。
• 知识定义需谨慎：若问题可通过在数据集定义表达式或在语义模型定义同义词来解决，则无需使用知识库。
• 关注泛化性：若定义知识解决了当前问题，建议务必进行回归测试，查看其他问题是否因该知识的定义而出现性能劣化。

原则一：尽可能使用自定义规则召回

• 建议在配置知识库时，尽可能使用“自定义规则”。绝大多数知识的召回规则都可以通过仔细配置规则来找到。
• “每次都提供给大模型作参考”不是最优的配置方式，除非有特殊情况，否则不建议频繁使用。建议不要为图省事而使用默认召回，否则可能导致某些问题的回答效果意外变差。

原则二：当某知识适用于多种情况时，应添加多条精确规则的知识，而非一条模糊规则的知识

举例说明：假设用户提出与“豆包大模型”相关的问题，该知识适用；同时，用户提出与“豆包小模型”相关的问题，该知识同样适用。建议不要为图省事而采用默认召回方式，而应配置两条知识，一条以“豆包大模型”进行规则召回，另一条以“豆包小模型”进行规则召回。
在使用规则召回时，业务名词并非关键，只需写出希望添加知识的语句开头即可。此外，需特别注意“预览”部分，这是最终传输给大模型的内容，确保其准确无误即可。在规则召回模式下，业务名词、连接词和说明可自行安排，重点是保证预览内容的准确性。
应根据问题集中的所有问法，结合数据集中的字段，分析出最为精确的规则，使该规则仅对需要添加知识的问题生效，而尽量避免对其他不需要该知识的问题产生影响。
注意：如果添加某个知识仅是为了通过某些字段进行计算，建议在数据集中添加计算表达式字段来实现，而非直接添加知识，否则效果可能会意外变差。

规划&配置案例

通常您可以将业务场景下，当前数据集涉及的内部名词黑话、指标计算逻辑配置到该数据集的知识库。建议您根据当前数据集的各个字段先分别进行梳理，示例如下。

• 内部名词黑话

  数据集名称	业务名词	同义词	说明（名词释义）	涉及的数据集字段
  合同明细执行汇总_CK	卖的怎么样	销量	卖的怎么样指[订货数量]及对应的[订货金额]	订单数量、订单金额、出库量
  	技术类型	技术路线	技术类型表示产品的技术类型，包括PERC、TOPCon、HJT等类型
  xxx购物全渠道分析	直录播	节目播放类型	播放类型；其中， 直播：播放类型≠再播放； 录播：播放类型＝再播放；

• 指标计算逻辑

  数据集名称	业务名词	说明（名词释义）
  xxx购物全渠道分析	取消率	取消金额/订购金额
  	出库率	出库金额/订购金额
  	配送完成率	配送完成金额/出库金额
  	退货率	退货金额/出库金额
  	转换率（数量）	销售数量/订购数量
  	转换率（金额）	销售金额/订购金额
  	毛利率	销售利润/销售额
  	直播转化率	直播成交人数/直播观看人数
  	粉丝留存	净关注着/总关注着
  	客单价-视频号	成交金额/成交人数
  	平均单价	订购金额/订购数量
  	播放次数	一段时间内，每一个播放时间段均有这个货号的次数，count时间段
  	On-air数量/金额/利润（均值）	总数量（利润或金额）/播放次数