使用cherry studio构建知识库，解析模型、调用工具和参数

使用 cherry-studio 工具，搭建知识库，需要进行模型Api 和 知识库相关参数的设置，本无对调用模型和调整参数进行解析

调用模型和工具

设置参数

一、文档预处理

1. 光学字符识别（OCR）：将扫描版文档、图像中的文字转换为机器可读文本，解决非结构化数据（如PDF图片、手写稿）的文本提取问题
2. 解析（MinerU，限时申请free api-key）：将PDF/PPT/DOC等文档转换为结构化的文本数据（Markdown/JSON），保持多模态元素的布局

嵌入模型（Embedding Model）

作用：将文本映射为稠密向量，用于相似性计算与检索优化。
价值：精准排序 / 业务融合
使用方式：cherry studio + API云服务

重排模型（Reranker Model）

作用：对初步检索结果重新排序，优化上下文相关性与多样性
价值：语义捕捉 / 检索优化
使用方式：cherry studio + API云服务

二、分块策略参数

控制文档切片方式，影响检索精度与计算效率。

1. 请求文档片数量（Top-K Chunks）

含义：检索时返回的候选片段数量，输入重排模型前的粗筛步骤。

过高：增加重排计算负担，延迟上升。
过低：可能遗漏相关片段。

建议范围：50–200（根据检索系统吞吐量调整）

2. 分段大小（Chunk Size）

定义：单一片段的最大长度（按字符或token计）。
建议值：自然段落转换成token的数量（考虑多模态模型中的特殊数据token量，比如图像）

3. 重叠大小（Overlap Size）

作用：避免切片时割裂关键信息（如跨段落的术语）。
经验值：分段大小的10–20%（如512 tokens分段，重叠64–128 tokens）。

三 、匹配度阈值（Similarity Threshold）

作用：过滤低相关性片段，仅保留分数高于阈值的候选集进入重排阶段。
经验值：动态调整（通常0.6–0.8）