要实现扣子智能体对行业术语的精准识别，核心并非文档数量，而是构建一套结构化的术语映射系统。该系统需覆盖三层核心关系：术语、标准释义及易混淆的误译，同时辅以使用场景与同义词。上传表格时，务必设置“术语”为唯一索引字段，选择“按行”切片策略，并启用标准化预处理，否则模糊匹配将失效。

举例说明：当用户询问“GPU实例”含义时，通用模型常直接译为“图形处理器实例”，这在专业场景中会导致严重偏差。因此，知识库不应仅是文档堆砌，而需建立术语与标准释义、上下文用法、同义替换的三层映射，以保障每次解释的准确性与专业性。

准备术语原始数据

首先，准备一份结构清晰的术语表，格式需为Excel或CSV。第一行定义字段名：术语、标准释义、常见误译、使用场景、同义词（可选）。禁止使用Word或PDF——扣子无法识别其列结构，分片后字段混乱，导致检索无法匹配“术语”列。

操作细节：确保“术语”列内容唯一、无多余空格或特殊符号；“标准释义”控制在200字以内，避免向量化截断；“常见误译”至少填入一两个典型错误，以便后续进行反向校验。

上传操作很简单，直接拖拽文件即可。

上传并配置术语知识库

进入Bot编辑页面，点击左侧【知识库】，选择【+新建知识库】，再选择【表格类知识库】，上传已准备好的Excel/CSV文件。

上传后立即点击【配置索引字段】，在弹出窗口中必须将“术语”设为唯一索引字段。若遗漏此步，知识库无法按术语精准召回，后续映射将失去意义。

切片策略选择【按行切片】，切勿勾选“自动合并相邻行”。每行代表一个独立术语单元，合并会导致释义混杂。

构建术语-释义-误译三重映射

实际操作中，有两种主流方法可以实现这个映射：

方法一：通过工作流显式调用知识库进行条件判断

新建工作流，添加【知识库检索】节点，选择已建术语库，检索字段填写“术语”，输入变量设为从用户提问中提取的关键词（如名词短语）。将返回结果接入【条件分支】节点。

在条件分支中设置规则：若【检索命中数 ≥ 1】，则走“标准释义”路径；若【常见误译】字段非空，则额外追加提醒：“注意：勿译为【常见误译】”。

方法二：利用提示词引导模型主动对齐

在Bot的人设提示词末尾添加固定指令：“当用户提及专业术语时，必须优先从知识库检索标准释义；若返回‘常见误译’，需明确指出错误译法并给出正确版本；禁止自行发挥或套用通用词典释义。”

注意：此提示词必须放置在人设模块，不可写在工作流节点中。否则知识库未命中时，模型可能自由发挥，导致术语管控失效。

验证术语映射是否生效

配置完成后必须进行实测验证。第一步：在Bot测试窗口输入“GPU实例是什么”，检查返回内容是否直接给出标准释义，且未出现“图形处理器实例”等错误译法。

第二步：输入“GPU instance”，验证能否自动识别为同一术语并返回相同释义——检验大小写及中英文混输时的模糊匹配能力。

第三步：输入“GPU 实例”（带空格），确认知识库仍能正确召回。若失败，说明上传时未启用“标准化预处理”，需重新上传并勾选该选项。