智能体引用知识库效果不好，可以从以下方面着手调整：
整理知识库文档阶段： 确定包含的文档类型，如政策原文文档、业务积累的 QA、操作指引、产品说明等，并进行预处理。 注重知识库本身质量，因为这是大模型生成回答的原始语料。 优化文档格式，实践中根据场景测试 PDF 或.docx 等格式，一般 PDF 文档效果较好，因其格式信息简洁，对大模型干扰少。 规范文档命名，尽量控制在 10 字左右，涵义简洁明了，避免无意义的数字、符号或缩写。 统一文档语言，避免中英文、繁简体混杂。 优化文档内容，设置清晰的一二级标题，对难以处理的图片、表格、公式、超链接、附件、架构图、代码等进行特殊处理。 调优实践： 更换大模型，如从 ChatGLM2-6B 替换成 baichuan2-13b，针对特定场景可能提升性能。 更换 embedding 模型，如将 LangChain Chatchat 默认的 m3e-base 替换为 bge-large-zh。 测试不同 Top k 的值，如比较 Top 5、Top 10、Top 15 的结果，可能发现 Top 10 时效果最优。 处理文档名称，人工重命名文件，上传相同文件构建知识库，同时在构建时勾选【开启中文标题加强】选项，虽重命名文件效果不明显，但勾选该选项后回答的无关信息减少，效果有所提升。