Morphik 文档搜索层构建指南

要解决什么问题

把文档丢进 LLM 应用，不等于知识就可用。实际工程里，一个 AI 应用往往要同时对接检索、切片、向量化、重排序等多套工具，仅仅是为了让模型拿到一段相关上下文。Morphik 想解决的问题很具体：把这些环节收敛到一个文档搜索层里，让 AI 应用不必拼接十几个工具才能获得相关结果。

这套技能如何工作

技能围绕 Morphik 的检索层展开，关键步骤大致是：

• 导入文档：把现有文档语料交给 Morphik，作为应用知识的检索来源。
• 暴露检索能力：应用通过 Morphik 查询知识，而不是自己维护切片与向量。
• 调整搜索质量：在把上下文交给 agent 或 RAG 工作流之前，先调优文档搜索的效果。

也就是说，Morphik 位于「文档」与「模型」之间，负责中间的检索与上下文准备。

适用边界与注意点

• 先决条件：Morphik 服务器或 Python 客户端、Python 3.10+、文档语料，以及按需配置的模型/检索提供商。
• 历史安装要迁移：2025 年 6 月 22 日之前的安装需先运行迁移脚本（scripts/migrate_auth_columns_complete.py），官方称查询性能可提升 70–80%。
• 托管方式要选好：支持自托管（直接安装或 Docker）与云端注册两种路径，选型前应先评估数据合规要求。
• 它不是完整的知识库产品：技能聚焦检索层，业务逻辑与提示词编排仍需自己实现。