预置工具（私有数据搜索）

-	描述
项目地址	https://github.com/inf-monkeys/monkey-tools-knowledge-base/
安装步骤	本地部署请见本地部署文档 ; 通过 Helm 部署请见 Helm 部署文档

导入此工具

部署完成之后，你需要在执行类工具页面，点击右上角的导入按钮，分别输入此 tools 的 manifest 地址（如 http://localhost:8899/manifest.json）

创建文本数据集

在控制台的数据、文本数据页面，点击右上角的创建按钮，填写数据集名称、描述、Embedding 模型，点击创建：

上传文档

这里我们可以使用 https://www.gutenberg.org/browse/scores/top 这个网站下载一些文档，然后上传到我们的文本数据集中。这里我们以 Pride and Prejudice 为例。

点击提交，等待文档解析、向量化完成。

在大语言模型对话

在大语言模型多轮对话工具，点击编辑，在知识库上下文中选择我们刚刚创建的文本数据集并点击保存。

复制工作流详情右上角的集成中心按钮，复制 CURL 命令到终端运行：

curl -X POST 'http://localhost:2048/v1/chat/completions' \
--header 'Authorization: Bearer sk-xxxxxxxxxxxxxxxxxxx' \
--header 'Content-Type: application/json' \
--data-raw '{
    "model": "xxxxxxxxxxxxxxxxxxx",
    "messages": [{"role": "user", "content": "这本书讲的是关于什么 ?"}],
    "stream": false
}'

可以看到大语言模型回答的结果：

查看日志，可以看到大语言模型调用了私有数据搜索工具：

注意：大语言模型回答的质量取决于召回的向量的质量，以及大预言模型本身的能力。