企业知识引擎--数据智能体 DataAgent（私有化）-火山引擎

文档中心

导航

企业知识引擎

最近更新时间：2025.11.06 17:09:24首次发布时间：2025.10.16 17:12:05

在深度研究Agent使用场景中，产品还提供联网搜索、企业知识引擎等功能。本文为您介绍企业知识引擎功能。

功能概述

企业知识引擎是深度研究Agent的专属知识中枢，支持上传企业私有文档，通过智能匹配与结构化提取，将内部知识精准注入分析流程。与联网搜索形成互补，确保研究结论兼具时效性与业务深度。
企业知识引擎的知识划分为业务知识、分析模板、分析报告三种，三类知识的对比介绍如下。

细分对比项	业务知识	分析模板	分析报告
知识内容	业务日常必备的背景知识和定义，帮助模型更准确解读数据。例如：指标口径说明、活动事件配置、业务流程规范。	同类业务问题的标准分析思路或步骤，用来指导模型如何拆解问题。例如：订单量波动 → 按渠道、用户类型、时间分布逐步分析原因。	已完成的业务分析成果，包含历史数据、结论和洞察，供复用和参考。例如：上季度营销投放效果分析报告。
召回机制	以 chunk 粒度召回，支持高效向量匹配。	全量召回，确保结构完整，模版限制数量为1。	自动抽取框架结构，召回时按结构逻辑对齐。
注意事项	业务知识建议结构化、分块撰写，提升召回粒度和质量。	暂无	私有化场景中，分析报告知识类型默认关闭，如果您希望使用，可联系火山引擎技术支持人员打开功能开关。
知识示例	可参见下文的：知识示例：业务知识。	可参见下文的：知识示例：分析模板。	可参见下文的：知识示例：分析报告。

使用限制

支持上传的本地文件类型：txt、md、doc、docx、ppt、pdf、xlsx、xls、csv。
本地文件大小上限100MB。

适用场景

场景类型	典型用例
精准知识问答	咨询特定产品标准、服务流程、业务规则，直接返回带出处的知识片段
报告自动生成	调用历史分析模板生成新报告，复用成熟结构
场景化研究	聚焦某类问题（如"客诉分析"），仅调用关联文档，屏蔽无关信息干扰

知识配置

上传知识

在智能体列表选择需要配置企业知识引擎的智能体，点击「智能体配置」进入智能体配置页面。

点击「知识配置」，选择「添加知识」，输入知识名称、上传知识文件后点击「保存」即可开启企业知识引擎功能。

参数	配置说明
知识名称	自定义知识名称。知识名称尽量覆盖核心关键词，利于后续检索，同时智能体支持通过知识命名自动识别知识类型，命名格式和识别出的知识类型对应关系如下。 `BUSINESS_KNOWLEDGE_知识核心关键词`：业务知识。 `ANALYSIS_TEMPLATE_知识核心关键词`：分析模板。 `ANALYSIS_REPORT_知识核心关键词`：分析报告。
知识来源 & 文件	当前知识来源仅支持上传本地文件，您可以单击“上传文件”按钮，根据界面提示选择符合格式要求的本地文件进行上传。
知识分类	选择当前上传的知识的分类方式，支持：自动分类（默认）：由智能体对上传的知识进行自动解析并进行分类打标。手动分类：由您手动选择当前知识的类型，此功能自3.3.0版本开始支持。说明当前支持选择知识类型为：业务知识、分析模板、分析报告（私有化场景默认关闭，使用此类型需单独打开功能开关）三类。更多关于三类支持的对比介绍请参见上文的功能概述章节。
图片内容解析	选择是否解析上传文档中的图片内容，并将图片内容提取为知识，如果需要解析图片的话，知识内容提取处理的时间将会延长。

用户可以点击对话框，选择内置问题进行提问，也可以直接输入与企业知识引擎有关的问题进行提问。

自然语言询问	快速查看推荐问题
智能体主要的用法，用户可将自己的深度研究需求直接以文字的方式描述给智能体。	对话框下方提供推荐问题，用户可以点击任意推荐问题直接询问。推荐问题会根据大家的历史查询问题自动生成，也可以自定义配置，具体的配置方法参见创建与配置流程速览。

自然语言询问

快速查看推荐问题

智能体主要的用法，用户可将自己的深度研究需求直接以文字的方式描述给智能体。

对话框下方提供推荐问题，用户可以点击任意推荐问题直接询问。
推荐问题会根据大家的历史查询问题自动生成，也可以自定义配置，具体的配置方法参见创建与配置流程速览。

知识重分类/编辑/删除

知识上传配置后，您可以单击知识后的编辑、删除按钮，对知识进行编辑或删除操作；编辑知识时，您可以对知识进行重新分类打标，也可修改知识名称等参数配置结果。

参考：知识示例

知识示例：业务知识

为智能体上传”消费者行为分析5W2H模型.docx“的样例知识，如果用户提问“利用消费者行为分析5W2H模型对今年消费者行为进行分析“，那么智能体会自动识别并利用该业务知识，完成新报告的生成。

消费者行为分析5W2H 模型 .docx

未知大小

输入的业务知识内容	智能体输出的报告内容
5W2H 模型： Who（人群画像）：年龄、性别、地域、收入层级、消费偏好（如母婴人群关注安全认证）； What（消费品类）：高频刚需品（粮油）vs 低频耐用品（家电）； Why（消费动机）：功能需求（如手机续航）vs 情感需求（品牌认同感）； When（消费时间）：季节性（夏季冷饮）、场景化（深夜外卖）； Where（消费渠道）：线上平台（淘宝 / 抖音）vs 线下场景（便利店 / 购物中心）； How（消费方式）：冲动消费（直播秒杀）vs 理性决策（比价 APP 使用）； How much（消费金额）：客单价、复购率、LTV（用户生命周期价值）。

输入的业务知识内容

智能体输出的报告内容

5W2H 模型：
- Who（人群画像）：年龄、性别、地域、收入层级、消费偏好（如母婴人群关注安全认证）；
- What（消费品类）：高频刚需品（粮油）vs 低频耐用品（家电）；
- Why（消费动机）：功能需求（如手机续航）vs 情感需求（品牌认同感）；
- When（消费时间）：季节性（夏季冷饮）、场景化（深夜外卖）；
- Where（消费渠道）：线上平台（淘宝 / 抖音）vs 线下场景（便利店 / 购物中心）；
- How（消费方式）：冲动消费（直播秒杀）vs 理性决策（比价 APP 使用）；
- How much（消费金额）：客单价、复购率、LTV（用户生命周期价值）。

存储日常使用的规则手册、场景指南等碎片化内容。
采用初筛→排序→聚焦的召回策略：先匹配30个相关文本片段，经AI排序后仅保留关联度最高的3份文档所有内容，避免信息分散。

知识示例：分析模板

模版使用

为智能体上传”今年一季度所有活动复盘分析报告模版.pdf“的样例知识，如果用户提问“今年一季度所有活动复盘分析报告“，那么智能体会自动根据样例知识的整体报告框架和分析模版要求，完成新报告的生成。

今年一季度所有活动复盘分析报告模版.pdf

未知大小

输入的分析模板要求	智能体输出的报告内容
Q1活动整体贡献与趋势分析目的：概览第一季度所有活动共同产生的总体价值与业绩节奏指定图表/呈现方式：使用 `指标卡` 展示Q1期间所有活动累计贡献的 `销售额`，`订单量`，`下单用户数`，`新客占比`，`客单价`。使用 `线图` 按 `每日` 展示 `销售额` 和 `订单量` 在Q1期间的变化，体现活动对季度业绩的拉动。模块小结：总结Q1通过活动实现的总体业务规模，描述季度内活动效果的整体走势（如是否有明显波峰对应关键活动节点）。

输入的分析模板要求

智能体输出的报告内容

Q1活动整体贡献与趋势

分析目的：概览第一季度所有活动共同产生的总体价值与业绩节奏
指定图表/呈现方式：
- 使用 指标卡 展示Q1期间所有活动累计贡献的 销售额，订单量，下单用户数，新客占比，客单价。
- 使用 线图 按 每日 展示 销售额 和 订单量 在Q1期间的变化，体现活动对季度业绩的拉动。
模块小结：总结Q1通过活动实现的总体业务规模，描述季度内活动效果的整体走势（如是否有明显波峰对应关键活动节点）。

存储标准化分析模板（如行业报告结构、研究模型）。
在用户发起报告撰写任务时，系统会全量调用匹配的框架内容，强制保障输出内容的体系化。

模版编写

模版结构要求

模板结构	详细要求
分析目标	首先要明确想要解决的核心问题或达成的目标是什么。需要用一两句话交代清楚分析场景、分析角色、分析目的。通常在模板第一部分进行描述。
分析对象	指为了实现分析目标，需要进一步分析的指标、维度等关键元素。为了确保分析结果的准确性和有效性，在实际处理分析任务时，必须清晰界定以下几项核心信息：指标口径：对于DataAgent而言，指标口径指向【数据集】+【指标字段】+【筛选条件】的信息组合；当有多个数据集或者数据集中包含多个相似名称的指标字段时，建议尽量指明使用的数据集和指标字段；筛选条件往往蕴含着业务领域的“私域知识”（即特定领域的专业理解或规则），这部分信息需要明确提供，否则可能导致分析偏差。取数周期：数据的时间范围对于分析结果的解读至关重要，不同的分析方法可能对周期有不同的要求，需要根据具体需求来明确，如：趋势分析：可能需要明确趋势分析的周期是最近7天，还是30天，或者是3个月等；归因分析：需要明确基期对比期的周期，是最近7天VS上周，还是最近1个月VS上个月等。分析对象的变化：随着分析的推进，分析对象可能从整体推进到局部，或者从原分析指标推进到相关指标，在query中需要注意和明确分析对象的变化。
分析方法	在有明确的分析预期时，需要在模版中直接明确采用哪种分析方法。常见的分析方法：描述性统计（占比、中位数、均值等统计量的计算对比）、归因、异常检测、预测、聚类等。
产出要求	产出的质量既要注重内容，也要讲究形式。合理编排洞察内容、运用恰当的数据可视化，都能让结论更清晰易懂。因此需要明确对内容和形式的要求，并在模版中进行明确。说明问题描述要具体：用简明的语言描述想要的分析，一定要把需求说清楚。如：按照客户年龄分层对客户进行分布分析，使用饼状图进行展示。需要细化问题：分析任务较为复杂时，建议拆分为若干小步骤逐步进行，建议每个步骤一句话，不要写作一团。如果每个步骤有关联，需要进行说明强调。善用 Markdown：用 `#` 表示标题、`加粗`表示强调，多用空行、缩进、项目符号区分层级，有益于模型理解意图。必要时进行强调：在多次描述无法返回相应字段或结果时，可以单独再写一遍进行强调。提醒使用工具：目前支持联网搜索、Python、业务知识库等工具，可以通过要求模型使用工具。

模版结构示例

# 分析目标  
一句话说明你想知道什么
# 数据范围  
明确使用哪个数据集/表格，是否有限制条件（如时间/客户/产品）
# 指定方法（如需要）  
是否使用特定算法或工具？是否需要绘图、预测等？
# 输出预期  
你希望看到的结论、图表、归因结构等
# 角色设定（如需要）  
非必须，但可增强风格一致性

知识示例：分析报告

为智能体上传“2025 年新品推广主题活动复盘分析报告.docx“样例知识，如果用户提问“做一个去年新品推广主题活动的复盘分析“，那么智能体会自动抽取样例报告中的分析模板，学习其分析要求，完成新报告的生成。

2025年新品推广主题活动复盘分析报告.docx

未知大小

输入的分析报告样例	智能体输出的报告内容
新品推广效果深度分析分析目的：集中评估“新品抢先购”活动在驱动主推商品销售和用户接受度方面的核心表现。内容与呈现：主推商品表现：使用柱状图展示了主推商品销售额排名 TOP10 商品名称及所属品类2。从结果来看，跑步鞋品类表现突出，在 TOP10 商品中占据 6 款，其中“缓震系列 B”销售额最高，达 608,295.20 元。模块小结：“新品抢先购”活动在推动主推商品销售方面有一定成果，跑步鞋品类是核心主推商品，表现突出。

输入的分析报告样例

智能体输出的报告内容

新品推广效果深度分析

分析目的：集中评估“新品抢先购”活动在驱动主推商品销售和用户接受度方面的核心表现。
内容与呈现：
- 主推商品表现：使用柱状图展示了主推商品销售额排名 TOP10 商品名称及所属品类2。从结果来看，跑步鞋品类表现突出，在 TOP10 商品中占据 6 款，其中“缓震系列 B”销售额最高，达 608,295.20 元。
模块小结：“新品抢先购”活动在推动主推商品销售方面有一定成果，跑步鞋品类是核心主推商品，表现突出。

存储已完成的完整业务分析案例（如市场研究、活动复盘等）。
当用户需参考历史经验或方法论时，系统会自动抽取报告中的分析模板部分进行结构化召回，确保输出的知识具有完整逻辑性。

特别声明

（1）本服务输出的内容均由人工智能模型生成。
（2）本功能适用人群：仅限于客户在内部、自有业务、自己使用，客户不得通过数据智能体向公众提供生成式人工智能服务。
（3）本产品支持 SaaS 版本和私有化部署版本产品使用，如需购买或试用，请您联系商务人员进行咨询。