将企业知识部署到语音智能体

随着企业开始采用 语音智能体 来支持员工和客户，智能体所依赖的信息质量成为影响其表现的关键因素。智能体具备一定的推理能力，但如果需要体现公司政策、产品细节或内部流程，就必须依赖可靠且结构化的知识。

智能体知识库为此提供基础和专业化支持。它们存储文档、政策、技术参考、产品规格、支持资料及其他内部资源。为确保高效使用，内容需经过筛选、整理和结构化，帮助智能体生成准确、有依据的答案，而不是依赖可能不完整或过时的通用模型知识。

本指南介绍在智能体部署中管理企业知识库的实用策略，帮助语音智能体在处理大量、多样化文档时依然保持一致表现。

语音智能体如何访问知识库

可直接在 ElevenLabs Agents 平台配置知识库，内容将在对话中供智能体使用。

平台提供两种内容使用方式：

• 直接注入上下文： 对于较小的知识库，内容会直接注入模型上下文窗口，访问速度快，延迟低，适合小型知识库。
• 检索增强生成（RAG): 当知识库过大无法直接注入上下文时，系统会根据用户提问检索并提取最相关的内容片段。

RAG 适用与否

选择直接注入还是 RAG，主要取决于知识库的大小。

以“产品手册库”为例，包含 1000 份文档，总计约 200 万词（约 260 万 tokens）。此时直接注入会超出大多数高效 LLM 的上下文限制，因此启用 RAG，仅检索相关片段，无论知识库总量多大，都能保持上下文可控。

相反，对于 4 页的政策文档（约 3000 tokens），直接注入更快更简单，RAG 反而会增加不必要的延迟。

ElevenLabs 平台会自动处理：只有当知识库达到适合检索的规模时，才会开放 RAG 选项。

高效知识库从文档整理开始

如果企业内部文档量大且类型多，第一步不是上线，而是筛选。优质来源带来优质答案，低质量来源则容易引入错误和幻觉。

先筛选再上线。归档或删除过时草稿、被替代版本和无关资料。不应用于客户答复的文档不应放入知识库。这样可确保信息来源可靠，检索时减少干扰。

按领域分类整理。将剩余文档按 HR 政策、产品文档、法律协议、技术手册、客户支持流程等逻辑类别分组。领域分类在 ElevenLabs 平台实现多智能体工作流时尤为重要，便于专业智能体处理各自知识领域。

重质不重量。少量高质量文档的知识库，效果远胜于大量混杂文件。每个领域都应注重内容完整、准确和相关性。数据干净、结构清晰，不仅是最佳实践，更决定了智能体能否带来优质体验，避免无关或矛盾答复。

知识库实施策略

确定知识内容和访问方式后，下一步是如何搭建智能体架构以高效访问知识库。企业可在 ElevenLabs Agents 平台选择五种架构方式，按知识规模和需求从简单到复杂灵活配置。

1. 单智能体知识库

最简单的方式是将知识库直接关联到单个智能体。将整理好的文档上传到 ElevenLabs Agent 平台，创建知识库并在配置中分配给智能体，无需工作流、路由或外部工具。此方式上线最快，适合 HR 政策、产品文档或单一产品线客户支持等专注场景。

但在大规模应用时会有局限。知识库过大或内容过于多样时，性能可能下降。缺乏专业化时，智能体需检索所有文档，涉及不同主题时相关性降低。若发现准确率因知识库多样性下降，就该升级为多智能体工作流。

2. 多智能体知识分区

对于大体量、多类型文档，多智能体工作流架构可高效扩展。编排智能体分析问题并路由到各自领域的专业智能体，每个智能体只访问本领域知识库。例如，用户问“加州的陪产假政策是什么？”，系统识别为 HR 相关，路由到 HR 专业智能体，仅访问 HR 文档。

实施时需为每个领域创建独立知识库，搭建包含专业节点的工作流，并配置路由条件。小而专注的上下文提升准确率、降低延迟，领域分离也便于各自独立维护。适合需要覆盖多个主题领域的企业。

3. 混合模式：知识库用于理解，工具用于数据

此模式将理解与查找分离。知识库用于识别术语并映射到系统标识符（作为文档加入知识库），而 webhook 工具则从权威数据源实时获取最新数据。

例如，用户问“我的 Premium Plus 套餐详情是什么？”，智能体先用知识库识别套餐 ID PLAN_001，再调用工具查询实时数据库，获取当前价格和功能。

这样可确保答案准确，数据来自数据库而非 LLM 生成，实时反映最新状态，并通过工具调用日志形成审计记录。适用于既需理解文档又需结构化数据检索的场景，如客户支持、账户管理、电商等，文档解释概念，数据库存储实时数据。

4. 外部向量数据库

企业可自主管理向量数据库（如 Pinecone、Weaviate、Qdrant），并通过自定义 webhook 工具接入。这样可完全控制分片、嵌入和检索算法，但需承担基础设施运维和外部 API 调用带来的延迟。灵活性提升的同时，也增加了运维负担和外部延迟。

5. 双脑架构

部分企业已拥有自有（微调过的）LLM，最有效的连接方式是直接通过 ElevenLabs Agent 平台（自定义 LLM）或采用双脑架构。

双脑架构（两套 LLM 同时运行）通常用于自定义 LLM 速度不足以支撑实时对话的场景。此时，智能体由更快的 LLM 驱动，必要时调用客户自有 LLM 获取深度推理或补充上下文，并将结果通过上下文更新加入对话。

由于调用为异步，前端对话依然流畅，后端可进行复杂计算。此方案便于企业在现有 AI 基础上扩展能力。

总结

高效语音智能体依赖清晰、结构化的知识。企业信息结构合理、准确且便于智能体检索时，才能成为可靠的信息来源，助力智能体输出有依据、一致的回复。

ElevenLabs 平台原生支持知识库管理、多智能体工作流、webhook 集成及完善的 API，协同无缝。结合干净数据和合适架构，企业知识可通过自然对话高效获取。做好这些，不只是技术细节，更是运营优势。

操作指南：批量上传文档

上传前先合并。与其上传 500 个单独文件，不如将同一领域文档合并为一个文件。这样管理更简单，智能体配置更方便，相关内容集中检索效果更好。

按需分组文档，可按产品线、地区、部门或职能分组。每个合并后的知识库对应一个智能体（单智能体）或一个专业智能体节点（多智能体工作流）。

利用 ElevenLabs API，可通过 URL、文本或文件上传内容。将上传集成到 CI/CD 流程，源文档变更时自动合并和更新。

操作指南：知识自动更新

监控文档库 （Git、SharePoint、CMS）。检测到变更时，自动触发重新处理，合并更新后的文档。

通过 API 实现知识库自动更新。 典型流程：文档更新 → 触发 CI/CD 流程 → 文档合并 → 调用 API 替换知识库 → 智能体即时获取最新信息。

像管理代码一样管理文档。 知识库更新应像代码部署一样严格。平台 API 优先架构便于集成现有流程，无需人工干预即可保持准确性和合规性。