#数据标注功能指南

数据标注功能允许管理员对大模型回答进行质量评估和优化，通过标注高质量问答对，实现智能答案复用，提升系统响应能力。

数据标注是 PIGX AI 平台的核心功能之一，帮助管理员：

• 审查和管理所有 AI 对话记录
• 标注高质量的问答对作为标准答案
• 自动复用标注答案，提升响应速度
• 分析对话数据，优化知识库质量

#访问入口

在 PIGX AI 管理后台，导航至：AI 大模型 → AI 配置 → 数据标注

#界面功能详解

点击对话记录后，右侧会显示详细的对话内容，按照以下步骤操作：

1. 查看对话详情：右侧面板展示完整的问题和 AI 回答内容，支持 Markdown 格式渲染
2. 评估答案质量：仔细阅读 AI 生成的回答，判断其是否准确、全面、有价值
3. 开启标注开关：对于高质量的回答，开启 "标注为正确答案" 开关
4. 自动入库：系统自动将该问答对向量化并存入知识库，用于后续相似问题的快速匹配

#标注操作步骤

完整的标注操作流程如下：

1. 筛选对话记录：使用筛选条件定位到"已使用"状态的对话记录（这些记录包含 AI 生成的回答）
2. 选择记录查看：点击表格中的某条记录，右侧面板会显示完整的问答内容
3. 评估回答质量：判断 AI 回答是否准确无误、内容全面、表达清晰、具有参考价值
4. 开启标注：如果答案符合标准，开启右上角的 "标注为正确答案" 开关
5. 确认保存：系统自动保存标注，并将问答对向量化存入知识库

#知识库配置

要使用数据标注功能，需要在知识库中开启标注数据使用功能：

1. 进入知识库管理 → 选择知识库 → 编辑配置
2. 找到"标注数据使用"选项，设置为"是"
3. 保存配置

#工作原理

#标注过程

当管理员标注某个问答对时，系统会执行以下操作：

flowchart LR
    A[管理员开启标注] --> B[向量化问题]
    B --> C[元数据构建]
    C --> D[存入向量库]
    D --> E[记录向量ID]

1. 向量化问题：使用知识库配置的 Embedding 模型将问题文本转换为向量
2. 元数据构建：将问题、答案、数据集 ID、记录 ID 等信息打包为元数据
3. 存入向量库：将向量和元数据存入对应知识库的向量数据库（如 Milvus、Qdrant）
4. 记录向量 ID：在数据库中记录向量 ID（qdrantId），便于后续更新或删除

#匹配过程

当用户提出新问题时，系统的检索流程：

flowchart LR
    A[用户提问] --> B[向量化问题]
    B --> C[检索标注答案]
    C --> D{相似度 ≥ 0.9?}
    D -->|是| E[返回标注答案]
    D -->|否| F[RAG 流程]
    F --> G[检索文档]
    G --> H[调用大模型]

1. 向量化问题：将用户问题转换为向量表示
2. 检索标注答案：在向量库中搜索相似度 ≥ 0.9 的标注问答
3. 判断匹配：
   • 如果找到高相似度匹配（≥ 0.9），直接返回标注答案
   • 如果未找到匹配，进入正常 RAG 流程（检索文档 → 调用大模型）

相似度阈值：0.9（高精度匹配）

#核心代码实现

标准问答策略实现位于：

pigx-knowledge/src/main/java/com/pig4cloud/pigx/knowledge/support/handler/rag/strategy/impl/StandardQuestionAnswerStrategy.java

关键逻辑：

// 高相似度阈值
private static final double HIGH_SIMILARITY_THRESHOLD = 0.9;

// 构建高精度搜索请求
EmbeddingSearchRequest searchRequest = RagHelper.buildSearchRequest(
    queryEmbedding,
    dataset,
    DocumentTypeEnums.QUESTION.getType(),
    HIGH_SIMILARITY_THRESHOLD
);

// 检查是否找到高度相似的标准问题
if (RagHelper.isEmpty(embeddingMatches)) {
    return Flux.empty(); // 未找到，继续 RAG 流程
}

// 返回第一个匹配的标准答案
String answer = embeddingMatches.get(0)
    .embedded()
    .metadata()
    .getString(AiChatRecordEntity.Fields.answerText);

#优势与价值

#1. 提升响应速度

• 向量检索响应时间 < 100ms，无需调用大模型节省 Token 成本，准确度 100%（人工确认的答案）。
• 大模型生成时间 1-5 秒，消耗 Token 产生费用，准确度依赖模型质量和知识库内容。

#2. 保证回答一致性

对于高频问题（如"如何重置密码"、"部署步骤是什么"），确保每次都返回经过人工审核的标准答案，避免 AI 生成的随机性。

#3. 持续优化知识库

通过不断标注高质量问答对，逐步构建起一个精选问答知识库，随着标注数据的积累，系统的响应质量会持续提升。

#4. 降低运营成本

• 减少大模型调用次数：命中标注答案时无需调用 GPT/Claude 等商业模型
• 节省 Token 费用：对于高频问题，成本节省可达 90% 以上
• 提升用户体验：更快的响应速度，更一致的答案质量