DB-GPT中引入了知识空间的概念，每一个知识空间支持参数定制，包括向量检索的相关参数和知识问答提示的参数。

进入调参界面

如下图所示，点击知识空间, 会弹出对话框。点击Arguments 按钮。即可进入到调参界面。

RAG调参 - 图1

Embedding参数

**top-k: ** 相似度最高的K个文本。
**recall_score:** 召回分数，取值范围[0, 1], 1代表最相似，0代表完全不相关，默认0.3
**recall_type:** top-k, 向量召回最相似的k个文本。
**model: **向量化Embedding模型
**chunk_size:** 每个文本切块大小
**chunk_overlop: **相邻数据块之间的重叠量

RAG调参 - 图2

提示词参数

**Scene: ** 场景也就是系统提示词。
**Template**: 提示词模版
**max_token:** 限定的token长度

RAG调参 - 图3

文档总结

主要用于文档上传时，形成全文总结。

**<font style="color:rgba(0, 0, 0, 0.88);">max_iteration:</font>** 跟模型交互的最大迭代次数，主要用于知识总结。
**<font style="color:rgba(0, 0, 0, 0.88);">concurrency_limit: </font>** 限制与模型交互并发数量。

Query改写

在知识库实际应用中，客户过于发散的问题(或者错误的输入)，我们的知识库不足以回答。此时需要对用户的Query做一些改写。DB-GPT提供了Query改写的能力，在环境变量中.env，设置KNOWLEDGE_SCHEMA_REWRITE=True，然后重启服务，即可生效查询重写能力。

# Whether to enable Chat Knowledge Search Rewrite Mode
KNOWLEDGE_SEARCH_REWRITE=True

切换向量数据库

Chroma

在.env 配置文件中，设置数据库类型 VECTOR_STORE_TYPE。

### Chroma vector db config
VECTOR_STORE_TYPE=Chroma
#CHROMA_PERSIST_PATH=/root/DB-GPT/pilot/data

Milvus

在.env 配置文件中，设置数据库类型。VECTOR_STORE_TYPE

    ### Milvus vector db config
    VECTOR_STORE_TYPE=Milvus
    MILVUS_URL=127.0.0.1
    MILVUS_PORT=19530
    #MILVUS_USERNAME
    #MILVUS_PASSWORD
    #MILVUS_SECURE=

Weaviate

在.env 配置文件中，设置数据库类型。VECTOR_STORE_TYPE

 ### Weaviate vector db config
  VECTOR_STORE_TYPE=Weaviate
  #WEAVIATE_URL=https://kt-region-m8hcy0wc.weaviate.network