您在 LiKE 界面中遇到的术语的简短定义 — 尤其是在分析中以及使用 AI 时。
#AI 与搜索
| 术语 | 含义 |
|---|---|
| 索引(embeddings) | 将文章文本转换为支撑语义搜索的数值向量。在创建或更新文章时自动完成。没有索引,文章就无法被 AI 搜索找到。 |
| 转录 | 将音频录音转换为文本。在编辑器中您可以上传一条音频笔记 — LiKE 将其转为文本,随后像普通文章一样使用。 |
| AI 搜索(RAG) | 一个包含 15 个阶段的流水线:查询验证 → 准备 → 索引搜索 → 排序 → 生成带来源链接的答案。 |
| Quality Score | 文章质量评分,范围 0–100,涵盖五个部分:完整性、结构、可读性、连贯性和有用性。帮助您了解哪些文章值得改进。 |
| 空缺(Gap Alerts) | 知识库没有答案的用户问题。这是一个信号,表明您需要创建或扩展一篇文章。 |
#答案类型
在分析 → 按结果类型中,每个 AI 答案都会被标记为以下类型之一:
| 类型 | 含义 |
|---|---|
| AI 生成 | 答案由模型基于找到的来源从零开始创建。 |
| 来自缓存 | 复用先前保存的、对类似问题的答案 — 无需再次调用模型。节省 tokens 并加快答案。 |
| 技术性答案 | 模型没有给出常规答案 — 例如,库中没有相关信息,或 AI 暂时不可用。将显示找到的文章的直接摘录。 |
#Tokens 与成本
token 是 AI 模型处理文本的单位(大约为 ¾ 个单词)。按成本类型:
| 成本类型 | 含义 |
|---|---|
| 输入 tokens | 发送给模型的查询文本和上下文。 |
| 输出 tokens | 模型生成的答案文本。 |
| 索引 tokens | 在索引文章时构建向量所消耗(参见“索引”)。 |
| Cache Hit Rate | 从缓存中提供的答案占比。它越高,token 消耗越低。 |
#知识库结构
| 术语 | 含义 |
|---|---|
| 空间 | 一个隔离的知识区域,拥有自己的文章、成员和权限。搜索始终保持在单个空间内。 |
| 集合 | 用于在空间内对文章进行分组的文件夹。支持嵌套和拖放。 |
| 可见性(publish state) | 文章的访问级别:Public(对所有人可见,包括匿名),Internal(仅团队 — 默认),Draft(仅编辑者)或 Inherited(从父集合继承级别)。 |
提示:如果您在界面中遇到不熟悉的术语 — 可通过对本知识库的 AI 搜索在这里找到它。