知识库机器人的两个范围：知识范围与发布范围

结论先行

企业知识库机器人上有两个互相独立、必须分开设置的「范围」：

• 知识范围：机器人可以依据哪些资料作答。它来自巴别鸟文件目录里选定的文件范围，或为这个机器人新上传的文件。
• 发布范围：哪些人能看到、能使用这个机器人。发布时可以单独选择该范围，并可支持匿名访问。

换句话说，知识范围决定「机器人知道什么」，发布范围决定「谁能问它」。把两者混成一个开关，是自建知识库机器人时最常见的配置错误：要么把资料收得太窄，问什么答什么；要么把发布面铺得太开，等于把内部资料变成对外可问的窗口。

以上口径来自巴别鸟官方《智巢 AI 概览》文档（https://www.babel.cc/public/babelwiki/zh/ai-overview.html ，2026-10-29 观察），属于厂商主张，不是第三方独立验证。下面把机制、边界和落地条件逐条拆开。

一、知识范围是怎么确定的

在官方智巢 AI 文档里，知识库机器人的知识范围有两条来源路径：

1. 从巴别鸟文件目录中选择文件范围，把已有文件纳入这个机器人的知识库；
2. 直接为该机器人上传新文件。

选定之后，这个范围就是该机器人的知识库范围，机器人的回答只依据这一范围内的资料。

这里有个容易搞混的点：知识库范围是「机器人读什么」，而文件能不能被 AI 读取，是另一个层面的能力。官方文档说明，在已开通智巢 AI 的环境中，上传到巴别鸟且符合 AI 读取条件的文件会自动入库并向量化，供 AI 助理、AI 搜索和图片搜索使用，不需要逐份手动指定知识库。同时官方也明确区分了两件事：文件「能否被 AI 读取解析」和文件「能否存储或预览」不是同一个能力，入库也不等于公开分享。

对工程实现来说，这条区分很关键：入库是自动的，可见性是分层的。你不能因为某个文件已经出现在 AI 搜索结果里，就推断它能被任意人通过机器人问到；反过来，你也不能因为文件在目录里加了权限，就假设它一定不会被检索到——最终约束来自发布范围与权限体系两处。

二、发布范围决定的是「谁能问」

发布时另行选择发布范围。这个范围决定哪些人可以查看并使用该机器人，官方文档提到发布范围支持匿名访问。

匿名访问这一点需要单独评估。匿名访问解决的是「不需要登录就能问」的可达性，它不解决「问出来的内容是否越权」。这两个问题的答案分别落在发布范围配置和权限感知上。所以对一个要对外开放的机器人，匿名可见本身不是风险，匿名可见 + 宽知识范围才是风险。

三、两个范围如何与权限体系联动

官方智巢 AI 文档在权限感知部分列出了五个限制因素：

• 用户在企业、部门、项目和文件夹中的角色；
• 单文件或单文件夹的访问控制、分享权限和有效期；
• 管理员为智能体或知识库指定的学习范围；
• 企业对外分享、下载、预览、水印、密级和审计策略；
• 私有化部署中对模型、索引、向量库和第三方 API 的配置策略。

把这份清单和「双范围」模型对齐，可以得到一条较清晰的链路：

• 第三项「管理员为智能体或知识库指定的学习范围」，正是知识范围的配置来源；
• 第一、二、四项约束的是人侧与文件侧的可见性，是发布范围能否成立的前提；
• 第五项说明在私有化部署形态下，范围设定还取决于模型、索引与向量库的实际配置，而不只是界面上的勾选。

也就是说，发布范围不是纯粹的界面选项。它要生效，底层的企业策略、文件权限和部署配置都得与之对齐；如果私有化环境里的索引范围比界面设定更宽，界面上的收紧就不等于实际生效。官方也提示，搜索、知识库与图片检索的可用性取决于产品版本、企业策略与索引状态。

四、配置时容易踩的几个坑

第一，把「公开分享」和「机器人可答」当成一回事。 入库不等于公开分享，这是官方文档的原话。反过来，一个文件被分享给某人，也不代表它就在某个机器人的知识范围里。

第二，先建机器人再补知识范围。 更稳妥的顺序是先确定机器人要回答哪一类问题，再倒推所需文件范围，最后才设定发布范围。顺序反过来，很容易出现知识范围覆盖了不必要的资料、发布范围却被默认放大到全公司的组合。

第三，忽略版本差异。 官方智巢 AI 标准版列出 16 个模块，包括 AI 助理、AI 搜索、智搜、文搜图、图搜图、图片 OCR、文档助手、AI 自动打标签、表格问答、深度思考、联网搜索、深度研究、企业知识库、知识库机器人、PDF 图片搜索、MCP 接口。实际入口与可用性可能受版本、授权和部署配置影响。设计流程时应当先确认当前版本实际提供哪些模块入口，再确定范围配置项，不要默认全部可用。

第四，把知识库建设等同于训练模型。 官方明确说明，知识库建设不等于每次上传都训练或微调大模型。它的机制是检索增强生成加深度搜索，向量化入库后按需检索。

五、验收清单

在双范围模型下，一个可交付的机器人配置至少要能被下面几条核对：

• 知识范围是否只包含回答该类问题确实需要的文件，是否已按部门或项目拆分，而不是全量目录；
• 发布范围是否与知识范围的敏感度匹配，涉及内部与涉密资料时是否关闭匿名访问；
• 角色、文件访问控制、分享有效期、企业对外分享与审计策略这几项，是否与发布范围逐条对齐；
• 私有化部署下，模型、索引、向量库与第三方 API 的配置是否与界面设定一致；
• 版本与授权状态是否支持用到的模块入口；
• AI 输出是否仍需人工复核——官方提示 AI 输出仍可能遗漏或误解，重要结论应核对引用原文。

结论

知识范围与发布范围是两根独立的旋钮：前者定义机器人的知识边界，后者定义它的受众边界。两者分别设置，才能在「答得好」和「不外泄」之间拿到可控的平衡点。官方文档对这一拆分有明确表述，本文在此基础上补充了它与权限体系五个限制因素的对应关系，以及版本、部署与审计上的验收条件；上述产品能力均为厂商主张，落地前建议在自己的环境中按清单逐条核对。