知识数据集请求参数说明-j9九游会登录

name

是

string

参数解释：

数据集名称。

约束限制：

不涉及。

取值范围：

长度2-50个字符，支持中英文、数字、下划线(_)，以中英文、数字开头。

默认取值：

不涉及。

description

否

string

参数解释：

数据集描述。

约束限制：

不涉及。

取值范围：

长度0-255个字符，只能包含英文、中文、数字、下划线、中划线、空格及,.?:;"'：；“”’‘，。？、()（）/等符号。

默认取值：

不涉及。

tags

否

array of strings

参数解释：

数据集标签。

约束限制：

不涉及。

取值范围：

传入数量0~5个，需为以下标签：航空、语音转文本、电力、文本、城市数字化、文案生成、水运、1m-10m、nl2sql、全功能、公路交通、银行业务、制造、数字基础设施、高质量数据（训练）、英文、流媒体、图像理解、托管服务、政府、医疗、>100m、文本向量化、文本生图、城市交通、对话问答、多模生成、功能调用、语音合成、城轨、图文向量化、证券业务、大语言模型、铁路、互联网交换中心、企业基础设施与运营、通用、口岸海关和特殊监管区、10m-100m、代码生成、0-1m、中文、矿业、教育、油气、大企业、种子数据（数据膨胀）、任务规划、保险业务、政务/政党数字化。

默认取值：

不涉及。

data_type

是

string

参数解释：

数据集类型。

约束限制：

不涉及。

取值范围：

枚举值：text（文档）、image_to_text（图片摘要）、video_to_text（视频摘要）、image（图片）。

默认取值：

不涉及。

preprocess_config

否

preprocessconfig object

参数解释：

数据集预处理配置。

约束限制：

data_type为image时不传。

取值范围：

不涉及。

默认取值：

不涉及。

ingestion_config

是

ingestionconfig object

数据集数据接入配置。

参数解释：

数据集数据接入配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

chunk_config

否

chunkconfig object

参数解释：

数据集切分配置。

约束限制：

不涉及。

取值范围：

data_type不为text不传。

默认取值：

不涉及。

schedule_config

是

scheduleconfig object

参数解释：

调度配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

extraction_config

否

extractionconfig object

参数解释：

切片提取配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

index_config

否

indexconfig object

参数解释：

知识数据集索引配置。

约束限制：

创建知识库需要索引，若需创建知识库则需传入。

取值范围：

不涉及。

默认取值：

不涉及。

cleaning_methods

否

array of strings

参数解释：

数据集清洗方法。

约束限制：

不涉及。

取值范围：

枚举值：url_and_email（删除所有的url和电子邮件地址）、continuous_symbol（清除连续的空格，换行符和制表符）、invisible（清除不可见字符）、whitespace（规范化空格）、garble（清除乱码）、web_symbol（清除网页标识符）、emoji（清除表情）。

默认取值：

不涉及。

pdf_preprocess_type

否

string

参数解释：

数据集pdf文件预处理类型。

约束限制：

仅data_type为text时支持传入。

取值范围：

枚举值：extract_rich_media（提取富媒体，如表、图）、no_preprocess（不做处理）。

默认取值：

不涉及。

rich_media_intelligent_match

否

string

数据集pdf预处理后，富媒体提取类型，仅data_type为text时支持传入，枚举值：smart_match_image_table（智能提取，仅预处理为extract_rich_media支持）、no_match（不提取）。

参数解释：

数据集pdf预处理后，富媒体提取类型。

约束限制：

仅data_type为text时支持传入。

取值范围：

枚举值：smart_match_image_table（智能提取，仅预处理为extract_rich_media支持）、no_match（不提取）。

默认取值：

不涉及。

data_source

是

string

参数解释：

数据来源。

约束限制：

不涉及。

取值范围：

枚举值：file_upload（文件上传）、obs_ingestion（obs接入）。

默认取值：

不涉及。

obs_ingestion

否

obsingestion object

参数解释：

obs接入配置。

约束限制：

data_source为file_upload（文件上传）则不传obs接入配置，否则需传入。

取值范围：

不涉及。

默认取值：

不涉及。

file_types

是

array of strings

参数解释：

数据集支持的文件类型。

约束限制：

不涉及。

取值范围：

枚举值：pdf、txt、csv、xlsx、docx、pptx、html、json、xml、jpg、jpeg、png、mp4、webm。

默认取值：

不涉及。

summary_configs

否

array of summaryconfig objects

参数解释：

摘要类型数据集摘要配置。

约束限制：

在data_type为image_to_txt或video_to_text时需传入，其它类型则不传。

取值范围：

不涉及。

默认取值：

不涉及。

obs_bucket_name

是

string

参数解释：

obs桶名。

约束限制：

不涉及。

取值范围：

长度3~63个字符。

默认取值：

不涉及。

obs_input_directory

是

string

参数解释：

obs接入目录路径。

约束限制：

不涉及。

取值范围：

obs接入路径与目录下文件名组合成的路径，最长不超过200。

默认取值：

不涉及。

file_name

是

string

参数解释：

文件名。

约束限制：

需与上传文件名称一致。

取值范围：

不涉及。

默认取值：

不涉及。

summary

是

string

参数解释：

摘要。

约束限制：

不涉及。

取值范围：

长度1~600。

默认取值：

不涉及。

slicing_configs

否

mapslicingconfig>

参数解释：

数据集切分配置列表。

约束限制：

切分配置数量需要与文件类型数量保持一致。

取值范围：

范围1~30。

默认取值：

不涉及。

slicing_method

是

string

参数解释：

数据集切分方法。

约束限制：

不涉及。

取值范围：

枚举值：auto_slicing（自动切分）、title（标题切分）、sentence（自定义切分）、json（json切分）、xml（xml切分），除自动切分外，其它类型切分需传入对应切分配置。

默认取值：

不涉及。

sentence_slicing_config

否

sentenceslicingconfig object

参数解释：

自定义切分配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

title_slicing_config

否

titleslicingconfig object

参数解释：

标题切分配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

json_slicing_config

否

jsonslicingconfig object

参数解释：

json切分配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

xml_slicing_config

否

xmlslicingconfig object

参数解释：

xml切分配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

slicing_strategy

是

string

参数解释：

文本切分策略。

约束限制：

不涉及。

取值范围：

枚举值：recursive（递归切分）、equivalent（等价切分）。

默认取值：

不涉及。

spec_symbols

是

array of strings

参数解释：

分段分隔符。

约束限制：

不涉及。

取值范围：

长度1~20，除\n外，不允许包含以下字符 *./$^? 且不允许为、。

默认取值：

不涉及。

chunk_size

是

integer

参数解释：

分段长度。

约束限制：

不涉及。

取值范围：

取值1~500。

默认取值：

不涉及。

chunk_overlap

是

integer

参数解释：

分段重叠长度。

约束限制：

不涉及。

取值范围：

取值0~50。

默认取值：

不涉及。

contain_separator

是

boolean

参数解释：

切片是否包含分隔符。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

slicing_strategy

是

string

参数解释：

文本切分策略。

约束限制：

不涉及。

取值范围：

枚举值：recursive（递归切分）、equivalent（等价切分）。

默认取值：

不涉及。

title_level

是

string

参数解释：

标题层级深度。

约束限制：

不涉及。

取值范围：

枚举值：h1、h2、h3、h4、h5。

默认取值：

不涉及。

title_saved_method

是

string

参数解释：

标题保存方式。

约束限制：

不涉及。

取值范围：

枚举值：combination（多标题组合）、last（最后一级标题）。

默认取值：

不涉及。

spec_symbols

是

array of strings

参数解释：

分段分隔符。

约束限制：

不涉及。

取值范围：

长度1~20，除\n外，不允许包含以下字符 *./$^? 且不允许为、。

默认取值：

不涉及。

chunk_size

是

integer

参数解释：

分段长度。

约束限制：

不涉及。

取值范围：

取值1~500。

默认取值：

不涉及。

chunk_overlap

是

integer

参数解释：

分段重叠长度。

约束限制：

不涉及。

取值范围：

取值0~50。

默认取值：

不涉及。

contain_separator

是

boolean

参数解释：

切片是否包含分隔符。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

levels_back

是

integer

参数解释：

输出层级。

约束限制：

不涉及。

取值范围：

取值0~20。

默认取值：

不涉及。

collapse_length

是

integer

参数解释：

递归最小长度。

约束限制：

不涉及。

取值范围：

取值0~1000。

默认取值：

不涉及。

tree_level_split

是

integer

参数解释：

遍历层级。

约束限制：

不涉及。

取值范围：

取值0~20。

默认取值：

不涉及。

schedule_type

是

string

参数解释：

调度类型。

约束限制：

data_source为file_upload时仅支持once（一次性调度）。

取值范围：

枚举值：once（一次性调度）、schedule（周期性调度）。

默认取值：

不涉及。

scheduled_task_config

否

scheduledtaskconfig object

参数解释：

定时调度配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

cycle_type

是

string

参数解释：

定时任务周期类型。

约束限制：

不涉及。

取值范围：

枚举值：day（按日更新）、week（按周更新）。

默认取值：

不涉及。

run_time

是

string

参数解释：

定时任务执行时间。

约束限制：

不涉及。

取值范围：

格式为：hh:mm:ss，如：18:30:00。

默认取值：

不涉及。

week_day

否

string

参数解释：

定时任务执行日期（星期）。

约束限制：

cycle_type为week时需传入。

取值范围：

枚举值：sunday（星期天）、monday（星期一）、tuesday（星期二）、wednesday（星期三）、thursday（星期四）、friday（星期五）、saturday（星期六）。

默认取值：

不涉及。

execute_immediately

是

boolean

参数解释：

定时任务是否立即执行一次。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

version_refresh_mode

是

string

参数解释：

版本刷新模式。

约束限制：

不涉及。

取值范围：

枚举值：one_version（每次执行覆盖原版本）、multi_version（每次执行生成新版本）。

默认取值：

不涉及。

extraction_example

否

string

参数解释：

切片提取样例。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

extraction_mode

是

string

参数解释：

切片提取模式。

约束限制：

不涉及。

取值范围：

枚举：rule_extraction（规则提取）、smart_extraction（智能提取）。

默认取值：

不涉及。

rule_extraction_configs

否

array of ruleextractionconfig objects

参数解释：

规则提取配置列表。

约束限制：

extraction_mode为rule_extraction时需传入，为smart_extraction时则不传。

取值范围：

规则提取配置数量不超过10个，提取字段名称长度1~20，不允许重复。

默认取值：

不涉及。

field_name

是

string

参数解释：

提取字段名称。

约束限制：

不涉及。

取值范围：

字段数量不超过10个，其中名称长度1~20，不允许重复，不允许为以下名称（大小写不敏感）：“file_name”、“file_id”、“path”、“order”、“document”、“base64”、“chunk”，不能以“ki_”、“ko_”开头，仅可包含字母、数字、下划线，并且以字母开头。

默认取值：

不涉及。

extraction_rule

是

string

参数解释：

提取规则。

约束限制：

不涉及。

取值范围：

枚举：separator（分隔符提取）、template（模板提取）。

默认取值：

不涉及。

separator_extraction

是

separatorextractionconfig object

参数解释：

分隔符提取配置。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

template_extraction

是

headandtailextractiontemplate object

参数解释：

首尾匹配提取模板。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

separator

是

string

参数解释：

分隔符。

约束限制：

不涉及。

取值范围：

长度1~20，除\n外，不允许包含以下字符 *./$^? 且不允许为、。

默认取值：

不涉及。

extraction_code

是

integer

参数解释：

提取分段序号。

约束限制：

不涉及。

取值范围：

范围1~100，提取序号大于可提取分段数量时字段内容为空串。

默认取值：

不涉及。

contain_separator

是

boolean

参数解释：

提取分段是否包含分隔符。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

start_with

是

string

参数解释：

提取分段开头。

约束限制：

不涉及。

取值范围：

长度1~20，除\n外，不允许包含以下字符 *./$^? ，且不允许为、。

默认取值：

不涉及。

contain_start

是

boolean

参数解释：

提取分段是否包含开头。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

end_with

是

string

参数解释：

提取分段结尾。

约束限制：

不涉及。

取值范围：

长度1~20，除\n外，不允许包含以下字符 *./$^? ，且不允许为、。

默认取值：

不涉及。

contain_end

是

boolean

参数解释：

提取分段是否包含结尾。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

extraction_code

是

integer

参数解释：

提取分段序号。

约束限制：

不涉及。

取值范围：

范围1~100，提取序号大于可提取分段数量时字段内容为空串。

默认取值：

不涉及。

name

是

string

参数解释：

索引配置名称。

约束限制：

不涉及。

取值范围：

支持中英文、数字、“_”，长度为2~50个字符，以中英文、数字开头。

默认取值：

不涉及。

description

否

string

参数解释：

索引配置描述。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

rag_type

否

string

参数解释：

知识库rag类型。

约束限制：

不涉及。

取值范围：

可以为空，为空则使用默认值。

枚举值：vector_rag（向量rag，是一种结合了向量化和大语言模型的rag技术）、graph_rag（知识图谱rag，是一种结合了知识图谱和大语言模型的rag技术）。

默认取值：

vector_rag

vector_model_service_key

是

string

参数解释：

向量化模型的service_key。

约束限制：

不涉及。

取值范围：

长度1~128，不能为空白字符，如空格。

默认取值：

不涉及。

long_text_solution

是

string

参数解释：

知识数据集切片长文本处理方式。

约束限制：

不涉及。

取值范围：

枚举值：

• truncate_mode（如果分片的token长度超过向量化模型的token数，则知识库向量化失败）。
• smart_mode（如果分片的token长度超过向量化模型的token数，则自动对超长部分进行截断处理）。
• default_mode（如果分片的token长度超过向量化模型的token数，则大模型对超长部分进行重写；如果重写后仍然超长，则进入截断模式。此模式较为耗时）。

默认取值：

不涉及。

index_graph_config

否

object indexgraphconfig objects

参数解释：

知识图谱相关配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

retrieval_configs

是

array of indexconfigfield objects

参数解释：

知识库召回配置。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。

name

是

string

参数解释：

索引字段名称。

约束限制：

不涉及。

取值范围：

名称长度1~20，仅可包含字母、数字、下划线，并且以字母开头，不允许为以下名称（大小写不敏感）：“file_name”、“file_id”、“path”、“order”、“document”、“base64”、“chunk”，不能以“ki_”、“ko_”开头。

默认取值：

不涉及。

category

是

string

参数解释：

索引字段类型。

约束限制：

不涉及。

取值范围：

枚举值：full_chunk（完整切片）、chunk_fragment（切片提取片段）。

默认取值：

不涉及。

vector_retrieval

是

boolean

参数解释：

是否为向量化字段。

约束限制：

整个索引配置中，必须有且只有一个向量化字段。

取值范围：

true或false。

默认取值：

不涉及。

graph_extract

否

boolean

参数解释：

是否为知识图谱抽取字段。

约束限制：

索引配置适配rag类型为graph_rag时有效，整个索引配置中，最多有一个字段为true。

取值范围：

true或false。

默认取值：

false。

text_filter

是

boolean

参数解释：

是否为文本过滤字段。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

false。

retrieval_return

是

boolean

参数解释：

是否为附加返回字段。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

false。

entity_extract_method

是

string

参数解释：

实体抽取方式。

约束限制：

不涉及。

取值范围：

枚举值：triplet（三元组抽取）。

默认取值：

不涉及。

extract_model_service_key

是

string

参数解释：

实体抽取模型服务key。

约束限制：

不涉及。

取值范围：

长度1~128，不能为空白字符，如空格。

默认取值：

不涉及。

customize_extract_prompt

是

boolean

参数解释：

是否自定义实体抽取提示语。

约束限制：

不涉及。

取值范围：

true或false。

默认取值：

不涉及。

extract_prompt

否

string

参数解释：

用户自定义实体抽取prompt。

约束限制：

不涉及。

取值范围：

不涉及。

默认取值：

不涉及。