知识库训练

将内容上传至知识库后，需要先对内容进行分段与数据清洗，该阶段可以被理解为是对内容预处理与结构化。

针对不同文档格式有不同的训练方式：

支持以下两种策略：

自动模式为对分段规则和预处理规则不太熟悉的初级用户设计。在此模式下，chatDZQ会自动结合分段长度和标点符号，将长文本拆分为多个段落，便于用户进行检索和阅读。

自定义模式适合对于文本处理有明确需求的进阶用户。在自定义模式下，你可以根据不同的文档格式和场景要求，手动配置文本的分段规则和清洗策略。

参数配置说明：

分段标识符：用户可指定自定义标识符，系统将在文本中识别该标识符时进行分段。

::: 默认情况下，系统使用“换行”作为分段标识符，但支持用户自定义标识符以实现自动分段。

遇到分段标识符时，将强制进行拆分；如果文本超过最大长度但尚未遇到分段标识符，亦会强制拆分。

如果选择“无分段标识符”，系统将仅依据分段的最大长度进行处理。

如果无分段最大长度，系统将仅依据分段标识符进行切分。 :::

分段最大长度：此参数指定文本字符数的最大上限，超出该长度时将强制进行分段。如果此值为0或未设置，系统将不施加分段最大长度限制，而依据模型预设的最大长度进行操作。

文本预处理规则：文本预处理规则旨在过滤知识库中的无意义内容，以提升信息的有效性和准确性。

表格模式
在获取表结构时，系统默认显示所有可用的表格文件。如果用户未进行任何修改，系统将自动选择第一个数据表、第一行作为表头，并将第一个数据行设为数据的起始行
鉴于同一知识库中的表头必须保持一致，当通过“从已有知识库添加文件”的功能进入此设置页面时，表结构区域将被锁定，用户无法进行更改，系统将读取并保留上一次的表结构设定。
图片格式

支持以下两种策略：