4.3 添加内容：文档 / URL / 手动输入

创建知识库后，下一步就是向其中添加内容。Pop 支持丰富的内容来源，包括本地文档、网页 URL 抓取、复制粘贴的文字内容，甚至未来还将支持 API 方式同步知识。

本节将介绍所有支持的方式，并解释 Pop 如何对内容进行解析与处理。

🗂️ 一、支持的文档格式（与文档中心完全一致）

Pop 知识库支持与「文档中心」相同的完整格式，包括但不限于：

📄 文本类

.txt
.md（Markdown）
.rst
.log
.json
.xml
.yaml / .yml
.csv / .tsv
.ini / .conf
.env

📝 办公文档类

.pdf
.doc / .docx
.ppt / .pptx
.xls / .xlsx
.odt / .ods / .odp

📚 电子书类

.epub
.mobi
.azw / .azw3
.fb2 / .fbz
.cbz
.djvu

🧑‍💻 代码类文件

（Pop 不将代码当作文档执行，仅视为可索引文本）

.py
.js / .mjs
.ts / .tsx
.jsx
.java
.cpp / .c
.go
.php
.rb
.cs
.swift
.scala
.kt
.rs
.lua
.sh / .bat / .ps1
.sql
.tf
.dockerfile
.hbs / .ejs / .jinja / .mustache

🎨 图形 / 结构类

（Pop 会自动 OCR 或提取可用文本）

.svg
.vsd

⚠️ 注意：二进制图片（png/jpg）不会作为知识库文档添加，但会被 AI 聊天的多模态能力识别。
如果你想将图像内容转为可检索文本，请转换成 PDF 或 Markdown 再导入知识库。

📥 二、添加文档的三种方式

Pop 为知识库提供三类内容导入方式，灵活适配不同来源。

方式一：上传文档（最常用）

在知识库界面点击：

「上传文档」 → 选择本地文件

Pop 将自动完成：

文档解析（PDF / Word / PPT / Markdown 等）
清理无关内容（页眉/页脚/样式）
自动抽取标题与摘要
文档分段（Chunking）
向量嵌入生成
BM25 索引生成

你可以上传：

单个文件
多个文件（批量上传）
整个文件夹（将批量导入功能开启时）

文档上传后会显示在文档列表中，可查看：

文档名
Page 数
分段数
索引状态
错误消息（如 OCR 失败）

方式二：通过 URL 抓取网页内容

点击 「添加 URL」，输入网页地址即可。

Pop 会自动执行：

请求网页
自动提取正文内容（去广告、去导航）
清理网页噪声
自动标题识别
自动摘要生成
分段与向量化

适用于：

产品文档网站
技术博客文章
在线教程
公司知识库网站
新闻类文档

支持标准 HTML、移动版网页、部分前端渲染页面（SSR 页面识别效果更佳）。

方式三：手动输入内容

点击 「手动添加文本」，即可录入或粘贴任意文本内容，包括：

会议记录
项目要点
产品功能说明
手写整理的知识
AI 生成内容
小段 FAQ

Pop 会自动按照自然段进行格式化，并进行分段与索引。

🛠 Pop 如何处理添加的内容？

无论你选择哪种方式，Pop 都会执行以下自动流程：

1. 文档解析（Parsing）

PDF → 文本解析 + OCR
Word / PPT → 文本提取
Markdown → 结构解析
URL → 正文抽取
代码文件 → 文本化处理

2. 文档清洗（Cleaning）

去掉页眉页脚
删除重复行
去噪（章节号、分页符等）
合并破碎段落

3. 文档分段（Chunking）

遵循 Pop 的智能策略：

按标题结构分段
自然段组合
维持片段长度区间：200~500 字最优
避免过长片段导致向量效果降低

4. 生成向量嵌入（Embedding）

使用你为该知识库选择的模型生成向量。

5. 构建检索索引（Indexing）

包含：

向量 KNN 索引
BM25 文本关键词索引
混合检索权重

最终用于 RAG 高质量问答。

📊 添加后的文档管理

文档上传后，你可以：

查看结构化摘要
预览文档内容
重新索引某个文档
删除文档
查看所有分段
查看每段向量生成状态
导出片段（用于调试 RAG）

若索引过程中存在错误，Pop 会在「任务列表」中显示详细错误原因。

📌 总结

Pop 提供灵活的三种内容添加方式：

添加方式	适用场景	自动处理流程
上传文档	从电脑导入文件	解析 → 分段 → 嵌入 → 索引
添加 URL	抓取网页内容	提取正文 → 分段 → 嵌入
手动文本	小段内容/FAQ	生成段落 → 嵌入 → 索引

无论文档内容从哪里来，Pop 都能将其标准化、结构化，并最终用于高质量 RAG 问答。