# AnythingLLM Query 模式教程

原创虚构输入与人工预期输出。未运行产品实例、未调用模型、未外发或发布。config.json 为字段教材，不是可导入 n8n/Dify/Flowise/Langflow 工作流。

## 1. 建立资料故意不同的两个工作区
准备 red.md 和 blue.md，分别包含售价 39 与 59，重量都没有提供。完全原创的商品例子用于检查资料边界，不代表真实商品报价。

## 2. 将文件放进对应工作区知识
上传后检查 red 只包含 RED-1，blue 只包含 BLUE-1，完成嵌入。全局文件上传与当前工作区已使用文档是两件事，先看当前工作区的文档列表。

## 3. 在工作区选择 Query 模式
从工作区设置切换 Query。官方把 Query 定位为文档问答，Chat 会混合一般知识；当前使用 agentic chat 的实例先确认是否仍显示同样模式入口。

## 4. 分别新建聊天问售价
在 red-lab 新聊天问当前款售价，预期来自 39；blue-lab 新聊天预期 59。打开文档引用核对来源，不在同一聊天连续换工作区来测试隔离。

## 5. 再问两份资料都没有的重量
期望提示没有相关资料，不把售价转成重量，也不查另一工作区的推测值。Query 的产品定位不保证所有模型绝无幻觉，仍记录实际原文。

## 6. 用查询阈值排查无命中
若已知售价也无结果，先检查文档进入工作区并完成索引，再核对相似度阈值。降低阈值只用于诊断，不作为文件权限设置；检索范围与用户权限另查。

## 离线验收
运行 python3 check-fixture.py，仅检查固定输入与人工预期关系，不验证真实模型、产品节点或工作流执行。

## 官方来源
- [AnythingLLM 官方：Query 与 Chat 模式](https://docs.anythingllm.com/features/chat-modes)