返回条数最多 1000：字节把知识问答测试拆成检索和生成

返回条数最多 1000：字节把知识问答测试拆成检索和生成

火山引擎 AgentKit 文档《知识问答》的页面最近更新时间是 2026.08.28 10:22:37。这一页讲的是：用知识库做大模型多轮问答时，怎么在控制台里测一轮「先检索、再回答」。它依据的是历史对话和检索到的参考知识，不是模型凭空作答。本页没有评测集条数、对照分数、通过线或失败样本。

从知识库进到知识问答

操作路径是六步。先登录 AgentKit 控制台。左侧导航选「知识库」。点进目标知识库的详情页。点右上角「知识检索」。再切到「知识问答」页签，配置检索参数和模型回答参数。最后提出要问的问题。

模型会把检索到的文本片装进 Prompt 编排区，再交给大模型。大模型按这些背景信息回答。文档把更细的问答测试说明指到另一页：https://www.volcengine.com/docs/84313/1415549#问答测试。那一页的参数不在本页正文里，这里不补。

检索先决定交出去多少片

结果返回数量是最终交回的条数。没开重排模型时，它就是检索返回的 TopN，取值 [1, 1000]。开了重排模型时，它是重排之后的前 K 个文本片，取值 [1, Top K]。文档原句写成「如果没有若打开重排模型」，这里按前后两句理解成「没有打开」和「打开了」两种范围，不另加规则。

问题改写默认关闭。打开后，系统用历史对话改写本轮问题，让这一问带上更完整的语义，检索更准。代价是检索更久，并且多耗 Tokens。

重排模型用来给已经召回的文本片重新排序，让问题和文本片的相似度分更准。打开后检索时间会变长，而且和召回数量成正比，所以召回量要单独卡住。三个选项：

• Doubao-Seed-1.6-rerank 是默认项。文档把它写成字节自研的多模态重排序模型，对文本、图片、视频等多模态召回的 Top-K 再做语义匹配和相关性打分，还可以做阈值过滤和 instruction 设置。
• base-multilingual-rerank：速度快、适合长文本，支持 70 多种语言。
• m3-v2-rerank：面向常规文本，支持 100 多种语言。

打开重排之后必须配「进入重排数量」。它控制有多少文本片进入重排，文档给出的取值是 25，并建议召回数量稍大于结果返回数量。这里的 25 是文档写明的取值，不是一条自行推出来的闭区间。

更多参数里的 Dense Weight 有前提：建库时选的向量化模型和索引算法要支持混合检索。满足这个前提时，检索会同时看语义相关和字面匹配。Dense Weight 取 [0.2, 1]。越靠近 1 越偏语义检索，越靠近 0 越偏关键词匹配。

文档聚合排序默认开启。它按原始文档顺序把召回切片排回去，避免语序被打散。文档的建议是：参考资料原文语序敏感就开；切片内容彼此独立就关。

生成侧只拼进模型的那些片

选择模型时要配问答用的大模型，以及版本、推理接入点和思考深度。这一页没有给出可选范围。

拼接邻近文本片数量取 [0, 5]。设召回重排后的文本片数是 k，这个参数是 p，最终返回数量的范围是 [k, k+2kp]。它是在重排结果两侧再拼邻居，不是把结果返回数量的上限改成 1000。

文本片参数决定哪些字段、按什么顺序进入大模型。选中的参数会按这个顺序拼进 Prompt。

Prompt 配置只在打开「使用大模型模型生成回答」之后才能设。编排时必须带两个变量，占位符是方括号加变量名。文档允许在 Prompt 里写回答要求，例如用检索到的文本当背景，检索不到就转人工客服。平台给了四个场景模板：客服场景、营销索联、思考阐述、模仿回复。本页没有贴出模板正文。

「引用开源」是文档原字段名。打开后，回答末尾展示引用的知识切片来源。图文混排打开后，如果参考里有图片，图片和文本一起出现在回复里。

API 调用要先保存设置。之后可以取出请求体，把调试好的参数嵌进自己的应用。本页没有给出请求体样例。

这些数不能被读成什么

结果返回数量的 1000 只在没开重排时成立；开了重排，上限改成当时的 Top K。进入重排的 25 是文档给出的取值，没有写成可调区间。Dense Weight 的下界是 0.2，不是 0。邻近文本片把返回量扩成 [k, k+2kp]，p 最大是 5，所以理论上最多到 k 的 11 倍，但这是拼接后的范围，不是评测得分。本页不提供评测集规模、裁判分数、线上对照或失败样本，不能把它读成知识库问答已经测过的成绩。

出处：字节，火山引擎 AgentKit，知识问答，2026-08-28，https://www.volcengine.com/docs/agentkit/knowledge-qa-testing