扣子知识库文档二次重排：提升检索相关度关键技巧

在扣子（Coze）中配置知识库检索时，如果用户提问后返回的文档顺序混乱，关键答案往往被挤到第3条之后——这不是知识库本身的问题，而是初筛结果缺少核心环节：语义重排序。本质上，系统仅完成了粗略召回，未对候选文档按语义相关性进行二次精排。要解决这类问题，只需启用重排序机制，并完成几个关键配置项。

确认当前Bot是否已启用重排序

先检查Bot的重排开关是否打开。操作路径：进入Bot编辑页 → 点击左侧「知识库」→ 选择已绑定的知识库 → 查看右上角「设置」图标 → 展开后检查「启用重排序」开关是否为开启状态。【注意：该开关默认关闭，不手动开启则全程不会触发任何重排】

如果开关呈灰色不可点击，说明当前Bot使用的模型版本过旧——Bot需运行在Coze平台2026年Q2及以上的内核才支持重排。此时应先升级Bot运行环境，再继续后续配置。

配置Qwen3-Reranker-0.6B作为重排模型

推荐选用Qwen3-Reranker-0.6B，性能稳定可靠。接入方式有两种：

方法一：使用Coze平台内置的轻量重排服务
最简便：在知识库设置页中，将「重排序模型」下拉选项从“无”切换为“Qwen3-Reranker-0.6B”。系统会自动调用托管版reranker API，无需自行部署。

方法二：接入自建reranker服务（适用于私有化部署场景）
若具备独立部署环境，可选「自定义重排服务」→ 填入已部署的Qwen3-Reranker-0.6B服务地址（如https://rerank.yourcompany.com/v1/rerank）→ 输入API Key → 测试连接成功后保存。【务必确认自建服务返回的JSON中包含score字段，且为float类型。否则Coze解析失败，重排将退化为原始顺序，等于未生效】

调整重排参数以匹配业务场景

模型配置完成后，还需要调整两个核心参数才能发挥实际效果：

第一步：设置重排前召回数量（Retrieval Top-K）
在知识库设置中找到「检索返回文档数」，将默认值5改为15～20。原因：重排需要充足的候选池进行排序，【若仅召回3篇文档，重排毫无意义——好比从三个选项里挑选最可能正确的，极易遗漏真实答案】。

第二步：设定重排后截取数量（Rerank Top-N）
在同一设置区找到「重排后保留文档数」，建议设为3～5。该数值决定最终送入大模型的上下文长度。设得过大将增加LLM的token压力（对话变慢、成本上升），设得过小又可能丢失关键信息。3～5是较为平衡的范围。

第三步：启用查询扩展（可选但推荐开启）
建议勾选「使用查询改写增强重排效果」。系统会在重排前自动将用户原始问题生成1～2个语义变体（如“怎么重启docker”可能扩展成“docker容器无法启动如何恢复”），然后统一打分排序。对于口语化、不规范提问的场景，该功能效果尤为显著。