检索文档

介绍

在 NocoBase 中，检索文档节点用于在工作流里搜索 AI 知识库，并返回匹配的文档片段。它适合放在 AI 员工节点之前：先用任务输入检索知识库，再把检索结果传给 AI 员工，作为任务处理的上下文。

检索文档节点是异步节点。使用前需要先配置好知识库，并确保知识库里已有向量化完成的文档。

工作流结构

示例工作流监听 Questions 表的新增记录，把检索文本传给「Retrieve document」节点，再把检索结果交给下游「AI employee」节点处理任务。

其中：

「Collection event」负责接收任务输入
「Retrieve document」负责从知识库检索片段
「AI employee」负责基于片段处理任务

实际业务里，AI 员工生成的处理结果通常还需要保存起来，后面会继续接数据库操作节点。这里为了聚焦检索节点，省略了保存结果的后续节点。

开始之前

下面的示例是独立的检索流程。开始配置前，先确认：

知识库中已经有向量化完成的文档；文档维护方式见知识库概述和创建文档
已准备一个用于输入检索文本的数据来源，示例中使用 Questions 表
下游已经准备好可用的 AI 员工节点，配置方式见 AI 员工节点

配置触发器

触发器选择「Collection event」。在触发器配置中：

「Collection」选择检索文本来源表，比如 Main / Questions
「Trigger on」选择 After record added

这样每新增一条输入记录，工作流就会自动进入检索和任务处理流程。

配置检索文档节点

在触发器后添加「Retrieve document」节点。建议把节点 key 改成容易引用的名称，比如 retrieve_docs。

关键配置如下：

「Knowledge base」选择一个或多个要检索的知识库
「Input matching text」选择检索文本字段
「Top K」设置最多返回的片段数量
「Score」设置最低相似度阈值

节点执行后会返回一个文档片段数组。每个结果包含 id、content、score、metadata 字段，并按 score 从高到低排序。

传递给 AI 员工节点

在「AI employee」节点中，把检索结果写入提示词。示例里直接引用了检索节点的输出：

text

Task input: {{$context.data.f_b2izf5j4xx0}}

Knowledge base snippets:
{{$jobsMapByNodeKey.retrieve_docs}}

Use the snippets as context to complete the task. If the snippets are not enough, explain what information is missing.

其中 retrieve_docs 是检索节点的 key。如果你的节点 key 不同，需要替换成实际 key。

:::tip

如果只想传递片段正文，可以在变量选择器中引用检索结果里的 content 字段。直接传整个结果数组则会同时带上 score 和 metadata，便于 AI 判断片段来源和相关度。

:::

工作流 AI 知识库节点 - 检索文档