Harness 与 Agent 工程 · Agent架构与协作 · 2025-07-30

Dify 之外的新尝试:Coze Studio 知识库实战指南:部署、解析、接入全流程

Coze Studio知识库部署全攻略:从存储配置到向量模型,手把手教你避开常见坑。

核心内容:

  1. 知识库依赖的核心组件与配置详解
  2. 文件存储与向量数据库的实战设置技巧
  3. OCR集成与多LLM配置的进阶解决方案

背景

在分享完AI Agent 新选择:Coze Studio 开源上手实录,能替代 dify 吗?,有粉丝希望我分享下知识库相关的。我先把问的比较多的问题进行答疑。

上期答疑

如何添加多个LLM

在backend/conf/model目录下,多复制几个yaml文件,在template中有相应的模板。

从模板上的内容来看,内部原来是一个结构化的配置,开源以后,精简了,直接剥离成了yaml文件,根据数据结构反向开发定制可以实现在线灵活配置。

我复制了两份,在我的智能体中能看到两个模型,如下图:

如何关闭思考过程

在模型配置文件中有个配置meta.conn_config.enable_thinking赋值为false即可。

重启coze-server

docker compose --profile '*' up -d --force-recreate --no-deps coze-server

效果如下:

还是有些小瑕疵的

知识库相关配置

coze studio的知识库,依赖:存储、向量数据库,向量模型,向量模型配置和LLM不太一样。向量模型在.env中配置。

存储方式配置

向量化需要上传文件到服务中,所以向量模型配置之前,需要先配置上传方式(coze studio 叫上组件)。在coze studio中,上传组件的配置就是上传方式的配置,支持:

需要注意的是, 需要将MINIO_ENDPOINT 中的配置中的localhost:9000不需要动,内部做了一些特殊处理,改成容器名称也是可以的

## Storage component export STORAGE_TYPE="minio" export STORAGE_BUCKET="opencoze"# MiniIOexport MINIO_ROOT_USER=minioadminexport MINIO_ROOT_PASSWORD=minioadmin123export MINIO_DEFAULT_BUCKETS=milvusexport MINIO_AK=$MINIO_ROOT_USERexport MINIO_SK=$MINIO_ROOT_PASSWORDexport MINIO_ENDPOINT="localhost:9000"export MINIO_API_HOST="http://${MINIO_ENDPOINT}"

OCR 配置

如果上传的文件是扫描件,coze studio支持通过ocr将扫描件解析,需要开通火山引擎的OCR产品服务,这个就不做讲解了。

向量存储配置

向量化存储目前支持两种:

我使用本地的milvus,和minio一样,不需…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/coze/2025073028061.html