阿里云百炼Knowledge Studio（RAG 4.0）推出独立 Rag Agent服务，提供 Agentic Search + Agentic Generation 闭环方案。面向企业全模态多知识库场景，真正做到复杂知识搜得到、答得好、引用看得见。
核心能力全新升级
独立站发布MCP、Skill、CLI..知识库哪里都可用。
多模态搜索问答图、文、视频，支持一站搜问。
Agentic Generation在搜索基础上智能生成回复，带精确引用溯源。
多库检索、问答跨多知识库联合检索与问答，智能路由+混合排序，一次提问多库寻答。
NL2SQL支持自然语言描述来问数据。
即将发布：Agentic Search/Vibe RAG Builder
多轮规划式检索，跨多知识库智能搜索，找到传统检索找不到的答案。自然语言描述需求，自动构建最优知识问答配置。
七大发布亮点
亮点 1：独立站发布，MCP、Skill、CLI..知识库哪里都可用
支持Claude code、Codex、JVS、Qoder、悟空...One API Key，全面支持所有Agent轻松调用知识库的能力，实现企业私有数据的快速检索与问答。
亮点 2：多模态数据搜索与问答，从"只能搜文字"到"图文视频一站搜问"
解决痛点：知识库里大量关键信息以图片、视频形式存在——产品示意图、流程图、监控截图、培训视频、操作演示——传统 RAG 只能靠 OCR 把图片转文字、忽略视频，丢失视觉细节和时序信息，遇到"这张图是什么意思""视频里讲了什么"等问题答不上来。
RAG 4.0 解决方案：
多模态图搜：👉观看视频：https://cloud.video.taobao.com/vod/CHKR5TDQzFSCq_iMyY1lYvr2LoCbv_jhMc0ecHCHNJc.mp4
多模态音视频问答：
典型场景："这件衣服有么？"（图片库问答）、"产品培训视频里提到的三个安装步骤是什么"（视频库问答）
亮点 3：Agentic Generation，深度问答，精准引用
工作模式：多轮【规划 → 检索】→ 最终生成。
核心价值：
- 不是搜到什么就回答什么，而是反复验证信息充分后才生成最终回答；
- 精确引用溯源：回复中标注来源文档、段落、页码，用户可一键查看原文；
- 多模态展示：回复中可引用图片、表格、文档原文等多种形式；
- 支持流式输出，用户可实时看到 Agent 的思考和检索过程。
亮点 4：多库混合检索问答，跨库结果精准问答
解决痛点：多个不同类型知识库的检索结果分数不可比，简单拼接导致排序混乱、相关性差的结果排在前面。
RAG 4.0 解决方案：
- 知识库权重配置：按业务重要性为每个知识库设置权重（0.5～2倍），优先展示核心库结果；
- 跨库 Rerank：多库检索结果统一经过排序模型（qwen3-VL-rerank）重新打分排序，确保跨库分数可比，满足全模态知识库排序要求。
支持的排序模型：qwen3-vl-rerank；
亮点 5：NL2SQL，结构化数据智能问数
解决痛点：传统 RAG 处理结构化数据靠的是语义检索——把表格当文档搜。遇到"总额是多少""哪个占比最高""同比变化多少"这类需要聚合计算的问题，语义检索只能返回相似的文本片段，无法真正"算"出答案。
RAG 4.0 解决方案：
- 上传即用：支持直接上传 Excel 文件，无需用户自备数据库，构建知识库后即可对数据进行智能问数；
- 智能问数：遇到数据类问题，Agent 自动走查询计算路径，算完再答；
- 数据和文档联合：一句话里既有数据问题又有文档问题，一次回答全覆盖。
典型场景：
- "上季度华东区销售额前 10 的产品分别是什么？退货率如何？"；
- "A 产品和 B 产品的用户满意度差多少？"。
亮点 6：Agentic Search从"—搜一次"，到"像专家一样反复搜"
解决痛点：传统 RAG 单次向量搜索，Query 稍复杂就搜不到。
RAG 4.0 解决方案：
- Agent 自主进行多轮 意图理解 → Query 改写 → 知识库路由 → 多库检索 → 结果验证；
- 搜不到会自动换策略、拆子问题、切换搜索工具重试；
- 内置 6 种检索工具：语义搜索、章节浏览、章节精读、页面浏览、SQL 执行、文件获取；
- 支持单库/多库（最多 15 个知识库联合检索）；
- 多库混合排序：跨知识库结果智能混排，支持知识库权重配置、跨库 Rerank、VL-Rerank（图文混排）。
典型场景："对比我们产品和竞品在安全认证方面的差异"——Agent 会自动拆解为多个子查询，分别在产品文档库和竞品分析库中多轮检索。
亮点 7：Vibe RAG Builder—自然语言构建知识检索、问答服务
解决痛点：传统知识库配置复杂，涉及 embedding 模型选择、检索 TopK、rerank 模型/模式、NL2SQL 开关、相似度阈值等十余项参数，普通用户难以上手。
RAG 4.0 解决方案：
- 用自然语言描述你的知识库场景和需求；
- Vibe Agent 自动分析场景，推荐最优的检索和生成配置组合；
- 包括：检索模式选择（极速/Agentic）、知识库权重分配、排序模型选择、NL2SQL 开关、召回数量等；
- 零门槛搭建专业级知识问答 Agent。
典型场景："对比我们产品和竞品在安全认证方面的差异"——Agent 会自动拆解为多个子查询，分别在产品文档库和竞品分析库中多轮检索。
更适合企业Agent应用的知识库RAG
企业Agent要真正落地，不能只靠更强的大模型，也不能只靠更多工具插件，还需要一套能理解企业知识、连接企业数据、支持多轮检索，并把答案来源清楚交代出来的系统。这正是在企业Agent应用过程中，阿里云百炼知识库Knowledge Studio（RAG 4.0 ）补齐的关键一环。
如果你想先体验一下这套系统，欢迎通过以下链接进行体验：https://rag.console.aliyun.com/playground
另外，我们也同样邀请生态伙伴的加入，如果你有高质量数据能力，想把它接入百炼平台、变成Agent可以直接调用的服务，阿里云百炼MCP生态伙伴正在招募中，可以发邮件一起聊聊： bailianisv@alibabacloud.com
🔥Token权益播报👉阿里云OPC创新助力计划单客最高百万补贴、1V1技术服务、直通阿里产品生态、顶级流量曝光、融资/空间加速，五大权益助力OPC成功。前往阿里云OPC官网（https://opc.aliyun.com/）领至高百万元Token补贴，加速一人公司成长！
