知識庫數據

本頁面係俾想了解知識庫底層運作機制嘅用戶睇嘅。若果只係需要使用知識庫，可直接參考 知識庫教程。

核心原理

加入知識庫嘅文件會被切分成細片段 → 由嵌入模型轉做數字向量 → 存入本地資料庫。提問嗰陣，知識庫會將問題轉換做同類向量，檢索最相似嘅片段，並將呢啲片段提供俾對話模型作為上下文。

知識庫處理流程圖

再詳細啲

1. 入庫前嘅準備

   • 文件（PDF、Word、網頁等）先經過 文件預處理（OCR 等），變成純文字

   • 純文字會被切成 200-500 字左右嘅細片段（chunk），方便檢索

2. 嵌入與儲存

   • 每個片段交俾 嵌入模型 處理，得到一組數字（向量）

   • 呢啲數字 + 原文片段都存喺 Cherry Studio 本地嘅資料庫入面（基於開源嘅 libSQL）

3. 查詢

   • 你提問嘅時候，問題文字同樣會被嵌入模型轉成數字

   • 系統搵出「同問題數字最似」嘅若干片段

   • 呢啲片段連同問題一齊送俾對話模型，由佢生成最終答案

數據儲存位置

所有數據都保存在本地，唔會上傳到雲端（如果所用嘅嵌入模型本身係雲服務，文字片段會喺嵌入處理過程中短暫經過該服務）。

• macOS：~/Library/Application Support/CherryStudio

• Windows：%APPDATA%\CherryStudio

• Linux：~/.config/CherryStudio

數據私隱建議

如果資料涉及敏感資訊（合約、醫療、內部代碼等）：

• 使用本地嵌入模型（例如透過 Ollama 或者 LM Studio 運行 bge-m3），全流程離線

• 對話模型同樣建議揀本地部署

• 可以配合 修改儲存位置 將數據存放喺加密磁碟

延伸閱讀

• 向量資料庫（libSQL / Turso）：https://turso.tech/libsql

• 嵌入與檢索增強生成：可查閱「vector embedding」、「RAG」相關資料

---

💡 獲取幫助同提交反饋

如果您喺配置或使用過程中遇到任何疑問、Bug 或有功能改進建議，請參考 反饋同建議 入面提供嘅官方渠道。