Update knowledge_base.md

Author: dolnna

content/cn/memos_cloud/features/advanced/knowledge_base.md

@@ -1,22 +1,33 @@
 ---
 title: 知识库
-desc: 创建项目关联的知识库，检索记忆时结合用户记忆与知识库补充知识。
+desc: 创建项目关联的知识库，检索时结合记忆与知识库。
 ---
 ::warning
 **[本文是对【MemOS知识库】功能做展开介绍，可点此直接查看详细 API 文档](/api_docs/knowledge/create_kb)**
 ::
 
 
-## 1. MemOS 知识库 vs 传统 RAG
+## 1. MemOS vs RAG
 
-MemOS 知识库支持开发者将业务知识整合进智能应用的长期记忆体系。
-<br>
-系统以上传的文档为底层数据源，构建并维护独立的记忆层，支撑问答等自然语言交互应用。随着终端用户的持续使用，MemOS 会根据对话内容动态演化和更新记忆，从而推动知识库的自动迭代与自我进化。
-<br>
-<br>
-与传统 RAG 的静态存储不同，MemOS 让知识库成为“记忆”的一部分，有“记忆”的 AI 应用不仅能更准确地查询资料，还能更了解背景与懂用户。让我们来看两个真实的场景来对比两种解决方案：
+基于 RAG（检索增强生成）的应用，擅长查询与问题语义相似的信息，因此在几万字的知识中，能够快速查询到相关且正确的内容。然而，知识本身无状态，每一次查询都是“一次性”的，缺乏对具体用户和上下文的理解。
+
+MemOS 能够利用“记忆+知识库”，将当前问题与历史记忆关联起来，在“带着背景”的前提下查找和使用知识，让 AI 应用不仅能更准确地查询资料，还能更了解背景与懂用户，并在交互过程中，自动沉淀为新的记忆，持续补全和完善知识体系。
+
+
+::note 
+**“记忆+知识库”，MemOS 可以做什么？** <br>
+* **跨境电商客服**——专属邮件回复每一位客户
+* **私域卖家推送**——结合过往记忆，打动高粘性客户
+* **独立站 AI 导购 （Chatbot）**——接入网站右下角，主动发起推荐
+* **企业助理**——了解企业知识，同时参与你的个人工作
+* **...**
+
+👉 如果你想动手实践：[使用 n8n + MemOS，给SHEIN 搭销售Agent](https://mp.weixin.qq.com/s/qm4Av7KiLudaKfxNTC3Eng)。
+::
+
+
+以下是两个真实的场景，对比 MemOS 和 RAG 两种解决方案：
 
-<br>
 
 **购物客服机器人**
 
@@ -91,36 +102,28 @@ DAY 20 员工询问：内网代理打不开了，我该重新装哪个版本？
 # ✅ 知识库助手：你使用的是 Intel 芯片的 MacBook Pro，建议重新安装 Intel 版本 的内网代理客户端。以下是 Intel 版的下载链接和安装步骤：...
 ```
 
-::note{icon="ri:triangular-flag-fill"}
-**&nbsp;优势总结**<br>
-RAG 擅长从知识库中检索与查询语义相似的信息，但它是**无状态的**：每一次查询都是独立的，缺乏对具体用户和上下文的理解。<br>
-
-MemOS 能够理解**关系、时间与偏好**等信息，将当前问题与历史记忆关联起来，在“带着背景”的前提下查找和使用知识：<br>
-
-* **懂用户**：MemOS 知道“你是谁”“在做什么”，只需提出问题，MemOS 会自动补全上下文。<br>
-
-* **个性化**：不同岗位和工作习惯，MemOS 能记住“这个客户不喜欢过于激进的推销”、“你更常使用 Python 而非 Java”、“你上次咨询过报销政策，这次是否需要进入申请流程”。<br>
-
-* **知识进化**：当实际流程中存在未写入文档的“经验规则”时，MemOS 会将其沉淀为新的记忆，持续补全和完善知识体系。
-::
-
 
 ## 2. 工作原理
+<img src="https://cdn.memtensor.com.cn/img/1769591271771_tg0p0l_compressed.png">
+
+1. 上图展示了终端用户、您构建的 AI Agent 与 MemOS 的完整交互流程：
+2. 调用 create/knowledgebase 接口 / 在控制台点击“添加知识库”，创建 MemOS 知识库。
+3. 调用 add/knowledgebase-file 接口 / 在控制台点击“上传文档”，将知识库文档上传到对应的 MemOS 知识库。
+4. MemOS 接收到请求后，会依次完成以下处理，生成知识库记忆：
+    a. 文档校验：完成鉴权，并对文档的格式、大小等进行合规性校验；
+    b. 文档存储：文档上传成功后由 MemOS 保存，并进入处理队列；
+    c. 文档解析：按不同文件类型解析文档原文内容；
+    d. 智能分段：根据标题、结构与语义将文档拆分为更细粒度的内容片段；
+    e. 生成知识库记忆：为了不丢失内容细节，MemOS 会智能生成记忆，包含文档分片后的原文与处理好的记忆。
+    f. 嵌入与索引：以上的所有记忆内容写入数据库，并建立嵌入索引以支持毫秒级检索。
+5. 调用 search/memory 接口检索记忆，MemOS 会统一返回与上下文相关的用户事实、偏好、工具记忆和知识库记忆。
+6. 将上述记忆拼接在完整指令中，传给您自己部署的大模型，获得回答，返还给用户。
 
-1.  **上传**：通过控制台或 API 创建知识库，并上传文档。
-
-2.  **校验**：完成鉴权，并对文档的格式、大小等进行合规性校验。
-
-3.  **存储**：文档上传成功后由 MemOS 保存，并进入处理队列。
-
-4.  **解析**：按不同文件类型解析文档原文内容。
-
-5.  **智能分段**：根据标题、结构与语义将文档拆分为更细粒度的内容片段。
-
-6.  **生成记忆**：MemOS 基于分片内容生成知识记忆，与用户长期记忆共同构成完整的项目记忆库。
-
-7.  **嵌入与索引**：将所有记忆内容写入数据库，并建立嵌入索引以支持毫秒级检索。
 
+::note
+**知识库记忆为什么没有单独的检索接口？** <br>
+这是 MemOS 有意为之的设计，我们希望 MemOS 让开发者在一次检索中，同时获得「知识库+用户」记忆，无需关注或区分来源，显著提升回答的实际可用性和用户体感。
+::
 
 ## 3. 知识库要求