如果资料存放在飞书知识空间、持续更新的文档站或电子邮箱里,希望系统按日/按周自动同步增量变更,请使用数据源自动同步,无需反复手动上传。
选择适合你的导入方式
打开目标知识库的文档页签,点击右上角添加文档(或右侧下拉菜单),即可按资料形态选择入口:
| 导入方式 | 适用场景 | 操作入口 |
|---|---|---|
| 上传文件 | 单份或多份本地 PDF、Word、PPT、Excel、Markdown、图片 | 知识库文档页 → 右上角「添加文档」→「上传文件」或直接拖拽到页面 |
| 上传文件夹 | 把按目录整理好的整批制度、手册或代码仓库一次性导入 | 「添加文档」菜单 →「上传文件夹」,自动递归读取目录内受支持文件 |
| 网页 URL / 整站导入 | 导入公开帮助中心、API 文档站或单篇行业公告网页 | 「添加文档」菜单选择网页导入,或在知识库列表「新建知识库」下拉中选择「从网站创建」 |
| 粘贴纯文本 / Markdown | 快速沉淀会议纪要、FAQ 口径、临时公告或手工整理的摘要 | 「添加文档」菜单选择粘贴文本,填写标题与正文后直接入库 |
支持的文件格式与解析能力
ApeMind 针对企业常见文档做了分层解析处理,保留标题层级、表格结构和图片位置,具体解析架构可参阅高精度文档与版面解析。
| 类别 | 常见扩展名 | 解析方式与建议 |
|---|---|---|
| PDF 文档 | .pdf |
优先推荐。内置高精度版面解析,完整还原双栏正文、跨页表格、数学公式与图表,并保留页码供引用溯源。 |
| Office 文档 | .docx .doc .pptx .xlsx |
Word 与 PPT 自动转为高保真版面后解析;Excel 表格转换为结构化 Markdown 表格以便检索与核对。 |
| 纯文本与标记语言 | .md .txt .html .htm |
保留标题层级、列表与代码块,切分速度快、无版面转换损耗。 |
| 图片与扫描件 | .png .jpg .jpeg .webp |
支持 OCR 文字识别;当知识库配置多模态向量模型时,自动启用视觉索引,可直接按图表内容检索。 |
| 源码与结构化文本 | .py .ts .go .java .json .yaml |
按文本与代码块结构入库,适合研发技术文档与接口契约检索。 |
本地文件与文件夹上传
点击「添加文档」挑选多个本地文件,或直接将文件拖入文档列表区域;批量导入整个目录时,选择「上传文件夹」。
大文件会自动分片上传。上传完成前点击取消,文件会直接从待处理列表移除,不会留下半成品或占用索引配额。
上传通过校验后,系统自动提交入库并依次完成版面解析、语义切分、向量索引、全文索引和知识图谱构建(若已开启)。你可以随时离开当前页面,处理在后台持续推进。
处理完成后,建议点开几篇含复杂表格或扫描页的重点文档,切换「原文」与「解析结果」页签,核对表头、数值与章节标题是否准确还原。
网页 URL、整站导入与粘贴文本
当目标资料本身就是在线文档站或零散笔记时,不必先下载再转成文件:
在左侧栏进入知识库,点击右上角「新建知识库」旁的下拉箭头,选择从网站创建:
- 输入公开文档站的入口 URL(例如
https://docs.example.com),系统自动发现同域名下的可抓取页面。 - 按目录树勾选需要纳入的页面,剔除登录页、变更日志归档等无关路径。
- 确认创建后,系统自动拉取网页正文并剥离导航栏与页脚噪声,生成干净的 Markdown 文档入库。
在已有知识库的「添加文档」菜单中选择网页 URL,输入一个或多个页面地址即可将网页正文提取为文档。如需定期重抓更新,请改在知识库的数据源页签添加网站数据源,详见数据源自动同步。
在「添加文档」菜单选择粘贴文本,填写清晰的文档标题(标题会作为检索与引用展示名)并粘贴 Markdown 或纯文本内容。适合临时补充口径说明、会议纪要或高频 FAQ 条目。
网页抓取依赖平台启用网页采集服务,且只能访问公开可到达的页面;需要登录后才能看到的内部系统页面请使用数据源同步(如飞书连接)或导出文件后上传。
读懂文档与索引状态
文档列表同时展示文档状态和各项索引状态(向量索引、全文索引、知识图谱),方便一眼定位进度:
| 状态标签 | 含义 | 你可以做什么 |
|---|---|---|
| 排队中 / 处理中 | 文档正在解析版面或构建对应索引 | 耐心等待;同一知识库内其他「已完成」文档可正常被检索,不受影响。 |
| 已完成 / 就绪 | 解析与索引全部完成,可参与混合检索与句级引用 | 可以直接在 Agent 对话里提问,或点开文档调整切分边界。 |
| 失败 | 文件损坏、加密受限、超出配额或上游模型暂时异常 | 悬停查看错误提示;修复原因后在右侧操作菜单选择「重新解析」或「重建索引」。 |
更新、替换与删除文档
- 微调正文或切分:直接在文档详情页点击编辑内容,保存后系统会增量复用未变动段落的向量与图谱,无需整篇重烧模型费用,原理见版本化入库与增量复用。
- 替换新版制度:当制度发布新版本时,先上传新文件并确认就绪,再删除旧版本文档,避免新旧条款同时留在库里互相冲突。
- 安全删除:删除文档会同步清理对应的向量块、全文记录与该文档独有的知识图谱血缘边,不会留下“幽灵事实”。
常见问题排查
上传时提示文件过大或超出配额
单文件大小上限、单知识库文档数与组织存储配额由平台管理员统一设定。建议将超长合集 PDF 按章节拆分上传,或联系管理员在组织配额中调高上限。
PDF 加密或扫描件解析出来是空白
带打开密码的 PDF 无法直接解析,请先解除密码保护后重新上传。纯图片扫描件需要平台开启高精度解析 / OCR 服务;若仍空白,请检查解析器配置或联系平台管理员。
想用脚本或 CI 流水线批量上传文档
程序化批量入库支持两阶段上传确认接口及 CLI 命令,请查阅开发者文档知识库与文档全生命周期 API。