知识库是用于存储和记忆外部数据的一种方式，通过语义匹配为模型补充知识。以车型数据为例，每个知识库的分段中保存一种车型的基础数据，当用户提问相关问题时能匹配到对应分段并获取信息。
在专家系统中，知识库代表某个问题领域的长期知识，是从人类专家那里人工提取的，不会因外部咨询而改变，它允许从一个问题状态前往另一个问题状态，因此也被称为动态知识。
在人工智能（AGI）领域，“通往 AGI 之路”是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库，它不仅是知识库，还是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。
扣子提供了以下几种方式来存储和记忆外部数据，这样Bot便可以使用这些外部数据来精准回复用户。知识库：是大量知识分片，通过语义匹配，给模型补充知识。以车型数据为例，每个知识库的分段中，保存了一种车型的基础数据。当用户问宝马X3的售价是多少？，能匹配到对应车型的分段，然后模型从中获取到售价信息。数据库：类似传统软件开发的数据库功能，以表格结构存储信息，通过NoSQL方式使用。目前提供的是关系型数据库，下面列举一些应用场景：AI便签：记录用户提交的便签，支持提交、查询操作，这些操作都是通过NL2SQL完成。单词本：记录用户背过哪些单词，其中哪些单词还没有记住等。
符号人工智能的早期成就之一是专家系统——为充当某个有限问题领域的专家而设计的计算机系统。它们基于从一个或多个人类专家那里提取的知识库，并包含一个推理引擎，在此基础上进行推理。专家系统就像人类的推理系统一样，包含短期记忆和长期记忆。同样，在以知识为基础的系统中，我们会区分以下几个部分：问题记忆（Problem memory）：包含与当前要解决的问题有关的知识，如病人的体温或血压、是否有炎症等。这种知识也被称为静态知识（static knowledge），因为它包含了快照信息，记录着我们在当前状态下对问题的了解——即所谓的问题状态（problem state）。知识库（Knowledge base）：代表某个问题领域的长期知识。它是从人类专家那里人工提取的，不会因外部的咨询而改变。由于它允许我们从一个问题状态前往另一个问题状态，因此也被称为动态知识（dynamic knowledge）。推理引擎（Inference engine）：协调在问题状态空间中搜索的整个过程，必要时向用户提问。它还负责找到适用于每个状态的正确规则。举例来说，下面这个专家系统是根据动物的物理特征来判断动物的：这种图称为AND-OR树，是一组产生式规则的图形表示。在从人类专家那里提取知识的早期阶段，绘制树形图非常有用。要在计算机中表示知识，使用规则更为方便：你可以注意到，规则左侧的每个条件和操作本质上都是对象-属性-值（OAV）三元组。工作记忆包含与当前要解决的问题相对应的OAV三元组。规则引擎会查找满足条件的规则，并应用这些规则，从而向工作记忆中添加另一个三元组。✅为你喜欢的主题写一个AND-OR树！
“我们都知道，探索知识善如磨刀，面对复杂多元的在人工智能（AGI）领域，如何打破条条框框，去捕捉每一丝有价值的信息和知识呢？那么我相信答案就是：通往AGI之路「WaytoAGI」，一个由开发者、学者和有志人士等等参与的学习社区和开源的AI知识库。在这里，你既是知识的消费者，也是知识的创作者。这个世界上有很多走走停停的探索者，所以，我们以"无弯路，全速前进"为目标，助力每一个怀揣AI梦想的人能疾速前行。每一份崭新的尝试都值得赞美，每一份坚毅的付出都应得到鼓励。AI知识库的生长正得益于每一个你平凡而坚持的时间，因为你们的一致肯定和支持，我们才充满信心，不断修炼，探寻AGI领域的无限可能。「通往AGI之路」不仅是一个知识库，它是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。我们在共创计划的道路上，不断收获，快速成长。对于一切，我们都满怀期待，乐观向阳。继续坚持，信息世界中你我皆是探索者。感谢您对“通往AGI之路”的持续关注！通过举办的活动和分享，我们有幸获得了一些奖项和媒体报道，这一切都离不开大家的鼎力支持。我们深感荣幸，并期待在未来的旅程中，能够持续为大家带来更多、更好的内容。