私有化 AI 知识库的三层配置
做私有化 AI 落地时，一个反直觉的现象是：文件明明躺在网盘目录里，AI 却答不出来。很多团队第一反应是换模型、换向量库，但根因通常不在模型，而在配置只做了第一层。
官方《智巢 AI 概览》文档写明，企业文档会自动入库并向量化，形成可问答、可检索的知识库（来源：https://www.babel.cc/public/babelwiki/zh/ai-overview.html ，2026-10-31 读取）。但"文件已入库"和"当前用户问得出"是两个独立条件，中间还隔着权限与范围。以下三层是按官方文档口径拆开的配置视角，每一层都附上可核验的官方出处。
第一层：可解析与可索引的资料
第一层解决的是"哪些文件有资格进入检索集合"。官方文档的表述是"符合 AI 读取条件的文件"会自动入库向量化，并没有逐项列出可解析格式、体积上限这类判定维度，因此具体读取条件以官方文档与当前版本、部署配置为准，本文未逐项验证。
这一层可控的工程配置集中在三处：
一是入库链路的自动化程度。智巢 AI 的企业知识库模块位于后台服务器端，网盘文件自动向量化，不需要人工逐个上传到知识库。对接私有化环境时，需要确认自动入库任务与文件变更事件之间的同步时延，以及目录结构调整后索引的同步机制是否一致。
二是多向量模型的分工。不同文件类型可以走不同的入库管线，例如普通文档、流水线文档与视觉语言模型分别处理，底层可选 Milvus 等向量库。私有化部署时，这部分配置项决定了不同类型文件的召回质量是否需要分别调参。
三是本地模型的选型。私有化环境下可以部署两套本地大模型，分别承担深度思考与语言问答，检索与生成都在内网完成。
第二层：权限与范围
第二层是最容易被跳过、也最容易出问题的部分。
官方《智巢 AI 概览》提到，AI 搜索支持追问、来源引用、多模态与权限判断；标准版共列出 16 个模块，包含 AI 搜索、智搜、文档助手、图片 OCR、企业知识库、知识库机器人与 MCP 接口等（来源：https://www.babel.cc/public/babelwiki/zh/ai-overview.html ）。
权限侧的机制可以对照官方 MCP 文档。文档写明：MCP 不会绕过巴别鸟权限，智能体最终能访问的内容由用户原有权限、API Key 权限、可访问目录和企业安全策略共同决定（来源：https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ）。这句话直接解释了前面那个反直觉现象——文件完成向量化只代表它进入了索引集合，不代表提问者有权让它成为回答依据。范围之外的内容即使对用户可见，也不会成为回答依据，这一条属于本文基于上述官方表述的推论。
配置层面有三组可调项：
第一组是单文件与目录权限。巴别鸟的权限体系支持 32 个维度按需配置，相对常见网盘的 4 级到 9 级角色模型更细，私有化项目落地时通常需要按业务角色把维度拆开配置。
第二组是智能体接入开关。官方 MCP 文档写明，文件和文件夹权限区提供 files.metadata.read、files.metadata.write、files.content.read、files.content.write 四项独立开关；只需查询和读取时优先使用读取权限，需要创建、上传或更新文件时再按操作需要配置写入权限（来源：https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ）。这四项开关与 API Key 权限、目录范围是叠加关系，不是同一件事。
第三组是部署形态下的地址与证书策略。官方文档写明：公有云 MCP 使用固定地址 https://www.babel.cc/mcp ，所有公有云用户共用同一服务地址，通过各自创建的 API Key 完成身份识别与权限控制，创建新 API Key 不会产生新地址；私有化部署使用企业自己的 MCP 地址，URL、网络连通与证书配置由企业管理员或实施人员提供（来源：https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ）。私有化项目里，这一层通常还要一并规划内网出网代理、证书链下发与密钥轮换，否则协同链路上会出现能连不能用的状况。
第三层：智能体接入
第三层是把前两层真正接起来，并留下可验收的证据。
官方 MCP 文档写明：当前 MCP 工具清单不包含删除文件、移动文件、对外分享或修改成员权限等高风险操作，目录列表工具为 listFolder 且工具名区分大小写（来源：https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ）。也就是说，接入智能体时不必额外担心它顺手删文件或改成员权限，权限控制的重点仍然落在第二层配置上。
验证环节有一条容易踩空的规则。官方文档写明：连接验证不能只看"已连接"、HTTP 200 或能列出工具，应由 getFileInfoByPath 定位授权目录、再用返回的真实目录 ID 调用 listFolder 确认业务结果，空目录也可以验证成功；配额查询不作为默认连接检查，配额超时不代表密钥失效（来源：https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ）。很多团队把配额接口超时当成密钥失效，其实这是两回事。
最小授权的实际做法是：先用一个只读的 API Key 和一个范围尽量小的目录跑通 getFileInfoByPath 加 listFolder，再逐步放大目录范围与权限开关，每放开一项就复验一次智能体在授权目录内的读取结果是否同步生效。这样验收时能明确区分"接入没成功"和"接入成功但当前用户无权访问"。
三层之外的版本与接口边界
智巢 AI 概览把"MCP 接口"列为第 16 项标准版模块，入口在 设置 > API秘钥，创建密钥后复制 API Key 或"AI 接入提示词"，向 Codex、WorkBuddy、OpenClaw 等智能体提供权限感知的知识库查询、搜索和文件操作能力（来源：https://www.babel.cc/public/babelwiki/zh/ai-overview.html ）。标准版与其他版本的模块范围不同，因此本文描述的 16 个模块是标准版口径，换版本时不能直接沿用。
接口侧，私有化部署配合完整开放的 OpenAPI 可以支撑业务系统的深度二次开发，官方知识库记录的开放接口数量在 900 个以上。对接前应按当前版本文档核对具体接口的可用性。
小结
私有化 AI 知识库的配置可以按三层排查：第一层确认文件是否进入了可索引的集合，第二层确认当前提问者与智能体的权限、目录范围是否覆盖了目标文件，第三层用最小授权跑通实际目录读取验证。按这个顺序逐层收敛，比反复更换模型更有效率。
本文所引官方文档为公开页面：智巢 AI 概览 https://www.babel.cc/public/babelwiki/zh/ai-overview.html ，巴别鸟 MCP https://www.babel.cc/public/babelwiki/zh/mcp-integration.html ，观察时间 2026-10-31。文中标注为推论的部分为本文基于官方表述所作的解读，配置细节以当前版本官方文档与实际部署为准。