案例实践 | 让检索为 Agent 而生：ContextSearch 重构企业售前知识库

点击上方👆蓝字关注我们！

在飞书值班号里，售前团队和服务团队的问题此起彼伏：要查询一个功能细节、要确认一条规则口径、要核对一份方案中的参数说明，等等。然而，值班号机器人查遍文档也找不到答案，因为答案就藏在某份方案的附件里，也可能在关联文档的一张表格截图中。

火山引擎 ContextSearch 是专为 AI 应用设计的智能搜索服务，字节跳动的低代码 Agent 平台 A360 正是以其为核心，对整套售前知识库做了一次重构，以供各类问答 Agent 调用。

💡 关于 A360：字节跳动内部的低代码 Agent 编排与投放平台。在这里，产品与运营人员不用写代码，就能把 Skill / MCP 等现成能力像搭积木一样组合成 AI Agent，然后一键发布到飞书、CRM、审批等业务场景中供用户去使用。

重构后，问答 Agent 不再是“拿到一段文字就回答”，而是像一名会查资料的助手：既能检索正文，还能精准定位附件与截图中的答案；而 ContextSearch 的每条搜索结果都会附上结构化原文出处（Grounding），支撑 Agent 完成多步推理、自主追问与可信回答。同时，ContextSearch 将权限治理前置到检索阶段，确保 Agent 只能访问被授权的内容。

传统检索撑不起 Agent 时代的售前知识库

A360 平台上已沉淀了上万篇售前与服务文档，而当问答 Agent 接管这些文档后，要过三道坎。

1. 图片中的文字，关键词检索不到。传统文本检索只认正文字符，附件、关联文档、表格图片全是盲区。即使接入 OCR，一旦解析不完整、图文位置关系丢失，漏检依然难免。售前换了十余组关键词，答案其实就在一张截图上，但却搜不到。

2. 权限不能等检索完成再补。A360 知识库权限独立定义，与原文档权限并不完全一致。“先召回、后过滤”的常见做法存在越权风险，无权限内容先取出再丢弃。权限必须在检索阶段就介入，按空间、文档、调用身份直接过滤，将无权内容拦在候选集之外。

3. 接答案的是 Agent。传统检索面向人，返回链接和片段；但 Agent 不会“点开看”，它需要证据片段（evidence）、章节路径（heading path）、继续取数钥匙（fetch_key）等结构化句柄来定位证据、继续追查。没有这些，结果再相关也接不住 —— 接口设计的起点是 Agent 怎么接，而不是人怎么看。

重建方案：把整份文档连同截图交给 Agent

A360 以火山引擎 ContextSearch 为核心，对知识库进行了端到端重建，整体分为两条链路：

知识维护链路：知识管理员在 A360 平台维护文档，批量导入 ContextSearch；

智能问答链路：业务用户在飞书值班号中提问，而问答 Agent 调用 ContextSearch 完成检索。

ContextSearch 底层的索引与检索引擎为 OpenSearch。

2.1 核心定位

这是一次 Agentic Search 范式升级。检索结果不再是 “给人看的链接列表”，而是 Agent 可直接消费的结构化证据，支持 Agent 独立完成“检索 — 判断 — 回答”的闭环。

2.2 上线规模

平台共沉淀上万篇售前与服务文档，本次重构首批覆盖其中 2000+ 篇，切片数量 70000+，涵盖产品介绍、使用手册、销售手册、内部管理规则、常见问题等类型。

文件格式覆盖飞书文档、PDF、PPT、图片等多种类型；内容形态覆盖正文、附件、图片、表格等多模态内容。

2.3 六大核心能力

与传统文本检索方案对比，ContextSearch 在 Agent 检索场景下具有六大核心能力，稳稳填平了三道坎。

找得到：整份文档入库，语义关键词混合召回

1. 内容覆盖：以前的检索只查正文，而 ContextSearch 将附件、关联文档、表格、图片、图标、视频片段等整份文档内容全部收进同一检索单元。同时，完整保留标题层级、图文邻近关系、媒体锚点，在索引阶段把 OCR、视觉理解、图片摘都处理好，不用等到查询时再去补。

2. 召回方式：支持语义与关键词混合召回。向量召回、关键词召回、结构化字段召回三路并行、联合打分。用户即使换一种说法来提问，系统依然能理解其意图；同时还支持专有名词、文档编号这类需要精确匹配的关键词。

接得住：结构化证据输出，支持多步追问

3. 结果形态及可追溯性：每条返回结果都携带结构化证据句柄，包含文档标题、URL、heading path、source order、visual assets。Agent 拿到后可直接解析、引用，并能定位到具体页面与图片。这种 Grounding 溯源让回答可核对、能回看原文，这也是 Agentic Search 与传统检索拉开明显差距的原因之一。

4. 多步推理支持：fetch_key 与 related_resources 两个接口让 Agent 可沿结果自主深挖。结果不足时，Agent 就立刻换个关键词再搜、或展开相邻章节，或调取关联资源验证，按这种方式循环往复。

用得放心：检索时鉴权，部署数据可控

5. 权限治理：ContextSearch 将权限治理前置到检索阶段，按空间、按文档、按调用身份，这确保了Agent 只能访问被授权的内容。

6. 部署与数据安全：不止检索接口，像在空间管理、文档管理、导入任务跟踪、媒体访问、端到端验证上，ContextSearch 都有完整的产品能力。产品支持按需调用与固定资源两种模式，企业自有 VPC 也可部署，不同业务场景下的数据安全、运维要求都可以得到满足。

上线效果：从“搜不到”到“答得准”

在值班号中提出同样的问题，Agent 会同时检索正文、附件与图表，然后直接给出结论，并明确标注答案出自哪份文档、哪个章节、哪张图片。售前引用方案、服务核对规则时，顺着出处点击即可回看原文，无需担心模型“自由发挥”。

业务侧与平台侧在较为轻量的投入后快速上线。

1. 用户持续上升，目前月调用已达数千人，转人工拦截率比例提升 10.8%。问答 Agent 正在成为售前与服务团队离不开的日常入口。

2. 知识管理员可在产品化界面管理空间和文档，还可以导入任务，不管文档更新到哪一步看得见、追得上；媒体访问、端到端验证齐备，对企业 IT 侧来说，可运维、可核查。

后续，A360 平台团队将联合 ContextSearch 团队，把自主构建与自进化框架 AutoIA 的自动评测与线上反馈机制接入检索链路，提供持续的效果治理和效果进化，并计划在 Q4 上线首个版本。未来，每一次问答、每一次人工修正，都将被结构化沉淀为可追溯的评测证据，用于持续优化复杂问题下的召回、排序与 Agent 回答策略。

了解更多 ContextSearch 相关信息，请点击“阅读原文”。