对外分享知识库整体 - 飞书
https://www.feishu.cn/hc/zh-CN/articles/328843312369-%E5%AF%B9%E5%A4%96%E5%88%86%E4%BA%AB%E7%9F%A5%E8%AF%86%E5%BA%93%E6%95%B4%E4%BD%932025年2月7日 ... 一、功能简介你可以通过复制链接对外分享整个知识库。外部用户通过链接，无需登录飞书账号即可在网页或者H5 页面上查看你分享的知识库；登录飞书账号后， ...
飞搜侠
热门搜索
快速上手多维表格 - 飞书
https://www.feishu.cn/hc/zh-CN/articles/697278684206-%E5%BF%AB%E9%80%9F%E4%B8%8A%E6%89%8B%E5%A4%9A%E7%BB%B4%E8%A1%A8%E6%A0%BC2025年6月4日 ... 一、认识多维表格多维表格（Base）是一款表格形态的在线数据库，用来存储和管理数据。区别于常规的电子表格，多维表格不仅能实现数据的存储、分析及可视化 ...
知识库成员使用指南 - 飞书
https://www.feishu.cn/hc/zh-CN/articles/582922484818-%E7%9F%A5%E8%AF%86%E5%BA%93%E6%88%90%E5%91%98%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%972025年2月17日 ... 问：为什么不同的人看到的桌面端知识库左侧目录页顶部信息不同，有的显示“飞书云文档”字样，有的显示知识库名称？ 答：这是新旧版云文档主页差异 ...
3 分钟上手高效工作法 - 飞书
https://www.feishu.cn/hc/zh-CN/articles/706821922831-3-%E5%88%86%E9%92%9F%E4%B8%8A%E6%89%8B%E9%AB%98%E6%95%88%E5%B7%A5%E4%BD%9C%E6%B3%952024年9月2日 ... 一、四象限工作法：多任务并行的高效解决方案 马上开始使用：时间四象限工作法理论介绍四象限工作法是由著名管理学家史蒂芬・柯维提出的一个时间管理 ...
删除和恢复知识库页面 - 飞书
https://www.feishu.cn/hc/zh-CN/articles/391391198820-%E5%88%A0%E9%99%A4%E5%92%8C%E6%81%A2%E5%A4%8D%E7%9F%A5%E8%AF%86%E5%BA%93%E9%A1%B5%E9%9D%A22025年7月25日 ... 一、功能简介你可以在知识库中删除页面。被删除的页面将进入当前知识库的回收站，30 天内可被恢复，30 天后自动彻底删除。你也可以主动在当前知识库回收 ...
《MetaGPT智能体开发入门》教程 - 飞书文档
https://docs.feishu.cn/article/wiki/KhCcweQKmijXi6kDwnicM0qpnEf教程初心： 《MetaGPT智能体开发入门》是由MetaGPT教程组以及Datawhale的小伙伴共同推出的首个专注于Agent代码开发的入门级实践教程。尽管关于大型模型prompt的教程、对话 ...
day03-微服务01 - 飞书文档
https://docs.feishu.cn/article/wiki/R4Sdwvo8Si4kilkSKfscgQX0niB大家学习中如果碰到困难，可以加入黑马智学伴侣寻求帮助，有学习交流群，老师、同学在线答疑。还有独享的企业级项目，避免与人撞车。 本篇文档对应B站视频： 【黑马程序 ...
案例研究1：Flame引擎基础知识
https://docs.feishu.cn/v/wiki/SCDMwsTWMiVaL7kzcZ0cffrqnGf/ac将探讨Flame 组件及其在将各种数据渲染到屏幕上的角色。 将使用Visual Studio Code 进行Flame 项目的开发。 游戏设计基础. 本课程讨论了Flame 引擎 ...
GraphRAG索引中如何处理源文档？
https://docs.feishu.cn/v/wiki/PKAyweuP1iS7v7kiHEscOylBnid/a9索引整本小说耗资太过巨大，时间也较长，本文只采用前面10章作为案例用以说明。下一篇，我们将使用LlamaIndex测试同样问题进行对比全局理解能力。 1. RAG概述. 大语言模型（LLM ...
高级RAG 技术：图解概述 - 飞书文档
https://docs.feishu.cn/article/wiki/SFjhwrbLYiCVw3kJt8VcttDmnZg**简单RAG 案例**简而言之，如下所示：将文本分割成块，然后使用一些Transformer Encoder 模型将这些块嵌入到向量中，将所有这些向量放入索引中，最后创建一个LLM 提示，告诉模型 ...