知识库（数字员工）

数字员工可以关联一个或多个知识库作为其知识来源。与工作流智能体不同，数字员工不是被动地按照预设的检索策略执行单次查找，而是能够自主决定用什么关键词搜索、是否需要多次查找，这使得它在面对复杂问题时展现出更强的推理能力。

知识库配置

数字员工的知识库配置入口位于数字员工详情页的 知识库 菜单项。配置方式与智能体的知识库策略设置一致：

详细的配置说明参见知识库策略设置。

工作流智能体的知识库检索是确定的：在流程执行到知识库检索节点时，按照预设的关键字和策略执行一次检索，返回结果后继续执行后续节点。

数字员工则完全不同。它没有固定的检索节点——检索行为是 AI 自主决策的一部分。

当用户向数字员工提问时，数字员工会分析问题的语义，自行构造用于检索的关键词。这个关键词不一定等于用户的原始问题。例如：

这种自主性避免了工作流中常见的"关键字刻板"问题——如果预设的关键字不准确，工作流只能返回不相关的结果。而数字员工可以在检索结果不理想时，自行调整关键词重新搜索。

更关键的是，数字员工可以进行多轮检索。当初始检索结果无法充分回答用户问题时，它不会就此放弃，而是基于已获得的信息，构造第二轮、第三轮检索。

这种多轮检索能力在以下场景特别有价值：

数字员工的自主多轮检索能力在与知识图谱配合时效果最为显著。知识图谱将文档中的实体和关系结构化为图网络，天然适合多跳推理。

具体来说，当数字员工从知识图谱中检索到一个实体节点时，它不仅获得该节点的信息，还能看到与之关联的邻居节点。基于这些关联关系，数字员工可以自主决定"下一步查什么"：

这个过程不是预先编排的工作流，而是数字员工基于知识图谱的结构，自主规划的多跳检索路径。每一次检索的决策都基于上一轮的结果，形成一个动态的推理链。

这与传统 RAG 的单次检索 + 大模型回答的模式有本质区别：传统 RAG 把检索当作"查资料"，数字员工 + 知识图谱把检索当作"做研究"。