探索COZE知识库的使用方法与设计原则——表格型知识库篇

发表于 分类于 ， ，

因为知识库类型有三种、文本类型、表格类型、图片类型，为了深入的探索各种类型的知识库的用法，我将会把这部分内容分为三篇，文本类型知识库篇，表格类型知识库篇，图片类型知识库篇。

约3000字

一、前言

目的

为了更好的使用COZE的知识库，需要对COZE知识库的能力与规则有深入的了解。因此，我计划以“楼盘户型信息查询”为应用场景，探索表格型知识库的使用方法和原则。

已知信息

  • 大模型在调用表格型知识库的时候会使用SQL查询语句来获取表格内的信息
  • 表格型知识库包含以下基本元素：
    • 索引
    • 列名：类似数据库的字段名
    • 描述，是对该列的一个描述
    • 数据类型，是存储于该列的内容的类型是什么
    • 值，就是存储与该列下的值

目标

  • 测试各种情况的查询方式能够获得的结果。
  • 找到影响查询结果的属性；
  • 确定表格型知识库的设计原则。

二、实验过程

设置知识库

创建一个表格型知识库，名称为“房子户型数据”。
包含的列有：
户型名称，建筑面积，户型结构，所在楼栋。
索引使用户型名称
没有填写描述
上传测试数据，如下：

image.png

实验1：对数据进行统计性查询

用户输入

image.png

知识库执行结果

image.png
可以看到，查询表格型使用了SQL语句来查询表格信息，并正确的返回了值。

返回结果

image.png

结论

  1. 可以对表格进行多列的统计性的查询。

实验2：查询多个属性

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 知识库能够理解房型指的是户型，几室指的是户型结构
  2. 知识库会根据问题设置查询的字段。

实验3：查询不存在的属性

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 如果查询不存在的属性（列），那么知识库会在生成SQL时自动的过滤。

实验4：对数据进行范围性的查询

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  • 可以对数据进行范围查询

实验5：输入描述不确切的范围查询

用户输入

image.png
没有明确的说明是两个条件是AND 还是 OR

知识库执行结果

image.png

返回结果

image.png

结论

  1. 知识库会使用AND或者OR来将两个条件组合起来，但是选择逻辑不确定。
  2. 返回结果并没有完全采用知识库查询的全部内容，大模型根据用户输入进行了自己的判断，（不同的大模型是否会做出不同的判断结果有待测试，本次实验不对此进行尝试）

实验6：给出确切且错误的查询范围

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 错误的查询条件并没能生成SQL对数据进行查询（尝试了多次，情况都是这样）

实验7：尝试多段的范围查询

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 无法进行多段的范围查询，后来又尝试了其他的输入，让描述更清楚的表明是两个范围的查询，但是结果是一样的，将这句话分开两次输入是可以返回正常的结果的，因此判断其无法进行多段的范围查询。

实验8：不够精准的定义

用户输入

image.png

知识库执行结果

返回结果

image.png

结论

  1. 当前的列的描述信息是为空的，因此我判断它无法将数据中的#1与1号楼建立联系，因此我计划给楼栋信息列增加描述，增加后的情况我放到“实验改进8.1”中。

实验改进8.1

改进方案

添加所在楼栋列的描述，描述内容为所在楼栋和楼号，例如#1就是1栋楼也就是1号楼，一种户型可能存在于多栋楼中，多栋楼用英文的逗号分割，查询的时候也需要考虑

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 因此得知描述是知识库生成SQL很重要的依据。
  2. 当列的值是多个值时，例如#1,#2，其值最好使用一个起始符和一个结尾符包裹，因为在其查询的时候毕竟是使用LIKE语句，因此，查询#1时会匹配到#10，因此加上结尾符之后就避免了这种情况，例如#1#。

实验9：查询某列时，参数是固定值

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 如果输入中明确要求使用那个参数作为查询条件，知识库会直接使用那个参数作为查询条件。
  2. 但是返回值并没有完全使用知识库查询到的全部数据，原因未明。

实验10：查询使用的关键字不标准

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 查询条件并不能完全反应对应字段的全部属性维度，例如示例中，字段值是X室X厅X卫而查询条件是X室，这时候知识库就无法准确的生成查询条件。因为，其实这个字段包含的是三个属性，卧室数量，厅的数量，厕所的数量，所以最好将他们分开，所以我计划修改知识库的列信息，增加这三个属性。实验情况放到“实验改进10.1”

实验改进10.1

改进方案

新增三列，室数量，厅数量，卫数量。列的数据类型都用数字类型，效果如下：

image.png

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 改进后可以得到想要的结果，因此，在表格型知识库设计时，尽量避免在一列中包含多种属性。

实验11：使用多条件查询

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 可以使用更多的条件查询。

实验12：按时间范围查询

注：为了测试日期类型的字段，我增加了一列，开盘时间，类型是time

用户输入

image.png

知识库执行结果

image.png

返回结果

image.png

结论

  1. 是能够以时间范围为查询条件来查询数据的。

实验13：使用布尔值作为查询条件

注：为了测试布尔类型的字段，我增加了一列，VIP房型，类型是布尔值，设置布尔值的时候使用0和1

用户输入

image.png

知识库执行结果

image.png

返回结果

结论

  1. 当数据只有是否两个选择的时候可以选择使用布尔类型作为条件。

三、实验结论

影响结果的因素

  • 知识库的列设置。
  • 知识库列的描述信息。
  • 知识库列的值的类型。
  • 列的值的结构。
  • 处理知识库结果的大模型。

能够实现的查询方式

  1. 可以对表格进行多列的统计性的查询。
  2. 可以查询多个属性（也就是多列），如果列有不存在的列也能识别出来，返回可以查到的数据。
  3. 可以对数据进行范围查询，但是不能进行多段的范围查询。
  4. 可以用某些固定值来查询某列。
  5. 可以使用多条件查询。

知识库设计的原则

  1. 列的描述信息尽可能的详细，这样就能让大模型理解该列就更能应对更复杂的情况。
  2. 每各列中尽可能只存储一种属性，这样才能应对更复杂的查询情况。
  3. 一个列中保存多个值的时候，最好在每个值前面增加一个起始符和一个结束符，并且在列描述中体现，这样可以避免查询到一些类似的值。
  4. 数据的类型一定要使用准确，比如在需要有范围的查询中，查询列需要时数字才能进行准确的查询，而不能用字符串。