许多用户询问如何将 Longcat AI 与自有知识库进行对接。关键在于并非配置模型本身，而是将知识库封装为可被调用的服务——简单来说，就是构建一个符合工具调用标准规范的 HTTP 接口，并在模型端启用工具调用功能。接下来直接介绍可实施的三个步骤。

一、知识库需暴露标准化 HTTP 接口（供 Longcat 调用）

Longcat 的多个常用版本（如 LongCat-Flash-Lite-FP8 和 LongCat-Flash-Thinking-2601）均已支持 Tool Calling（工具调用）功能，但前提是你的知识库服务需要提供一个结构清晰、可被模型发现的 REST API。需要准备些什么？需要一个可公开访问或内网可达的 HTTP 端点，例如 https://api.your-kb.com/search。该端点必须支持 POST 请求，接收 JSON 格式的查询参数（例如 {"query": "如何重置密码？", "top_k": 3}），并返回标准化的响应，包含 id、content、source 等字段（建议兼容 RAG 常见 schema）。

例如，返回的 JSON 结构如下：

{
  "results": [
    {
      "id": "doc_123",
      "content": "请进入个人中心 → 安全设置 → 点击‘忘记密码’按指引操作。",
      "source": "help-center-v2.md",
      "score": 0.92
    }
  ]
}

⚠️ 注意：Longcat 不会主动爬取网页或读取数据库，它仅调用你明确定义的工具函数。因此，后端服务必须由您自行实现。

二、在调用侧声明工具定义（告知 Longcat “你可以查询知识库”）

当您使用 OpenAI 兼容方式（例如 openai.ChatCompletion.create）或 Claude Code 插件调用 Longcat 时，需要在 tools 参数中传入工具描述，其格式为标准 OpenAI 风格的函数规范：

{
  "type": "function",
  "function": {
    "name": "search_knowledge_base",
    "description": "根据用户问题在内部知识库中检索最相关文档片段",
    "parameters": {
      "type": "object",
      "properties": {
        "query": {
          "type": "string",
          "description": "用户的原始提问，保持原样不改写"
        },
        "top_k": {
          "type": "integer",
          "description": "最多返回几条结果，默认3",
          "default": 3
        }
      },
      "required": ["query"]
    }
  }
}

Longcat 模型（特别是 Flash-Thinking 系列）会解析这段描述，理解何时应调用、如何填充参数，并在生成过程中插入 标签。

三、处理模型输出，执行工具并注入上下文

模型返回的内容可能包含工具调用指令，例如：

用户问的是登录问题，需从知识库查认证相关文档...
{"name":"search_knowledge_base","arguments":{"query":"登录失败怎么办","top_k":3}}

您需要执行以下操作：

• 提取 中的 JSON 数据
• 实际调用您的知识库接口（如 POST https://api.your-kb.com/search）
• 将返回结果格式化为 tool_message，再发送回模型以生成最终答案

完整的处理链路示意如下：

用户提问 → Longcat 模型（带 tools）→ 识别需调用 search_knowledge_base → 你解析 tool_call → 调用你自己的知识库 API → 获取结果 → 把结果作为 tool response 提交 → Longcat 生成最终自然语言答案

✅ 补充建议：

• 如果使用 Python，可直接复用 openai SDK 的 tool_choice="auto" + response_format="json" 流程，仅需替换 base_url 和模型名称；
• 如果使用 VSCode 的 Claude Code 插件，请确保 settings.json 中已启用工具调用（目前插件默认支持，无需额外开关）；
• 知识库接口建议添加简单鉴权（例如 X-API-Key 请求头），防止被滥用。

整体流程并不复杂，但有一个细节容易忽略：工具函数名称（例如 search_knowledge_base）必须与您后端路由/逻辑严格对应，参数名、类型、必填项也需完全一致，否则模型要么调用失败，要么静默跳过。