Epsilla

一句話介紹

Epsilla是一套用於構建AI智能體、私有知識庫和RAG應用的平台，既提供面向業務人員的視覺化雲服務，也提供可自主託管的開源向量資料庫。

工具簡介

Epsilla將資料接入、解析切分、向量檢索、模型調用、智能體配置、評估及發布等功能整合在同一個工作空間中。使用者可以先建立知識庫，再創建聊天智能體或智慧搜尋應用程式。

產品目前包含兩個需要分別理解的部份：Epsilla Cloud是商業化的AI智能體與RAG平台，Epsilla Vector Database則是開放原始碼的向量資料庫。開源資料庫和用戶端並不代表整個雲平台都是開源的。

主要功能

1. 可視化創建AI智能體

使用者可以在網頁介面中建立針對特定領域的 AI 智能體，並設定提示詞、知識資料、模型以及搜尋流程。對於基本任務而言，並不需要從零開發完整的後端系統。

• Chat Agent用於基於私有資料進行連續問答和對話。
• Smart Search Agent用於從知識庫中檢索資訊並組織回答。
• 高級工作流允許組合檢索、模型、工具和條件處理步驟。
• 版本控制用於保存應用配置變化，降低修改後難以回退的風險。
• 預覽功能可在發布前檢查回答、樣例問題和互動效果。

2. 多渠道RAG知識庫

Epsilla可以將本地檔案、網站及企業內容系統匯入知識庫，再經過解析、切分、向量化與索引處理，作為智慧體回答時的檢索上下文。

3. 數據解析、切分與自動同步

知識庫提供解析、切分、嵌入模型、元數據及自動同步等設定。團隊可依資料結構調整分塊方式，並以元數據約束檢索範圍。

• Auto Sync用於讓外部資料來源的變化持續同步到知識庫。
• 資料解析決定如何從檔案或頁面中抽取可檢索的文字。
• Data Chunking控制文本分塊方式，影響召回粒度和上下文長度。
• 嵌入設定決定知識內容如何轉換成向量表示。
• 假設性問題可為內容生成假設問題，輔助改善問答召回。
• Webhook與程式化管理能力可將知識庫更新接入業務流程。

4. 私有數據檢索與混合搜尋

底層向量資料庫支援向量欄位、元資料過濾，以及密集向量與稀疏向量的融合式檢索。它適用於語意搜尋、文件問答、推薦系統以及大模型的長期記憶等任務。

資料庫包含資料庫、表格和欄位等常見的管理概念，向量僅是其中一種欄位類型。開發者可以同時儲存業務相關的欄位，而在檢索時則可回傳原始文字與結構化資料。

5. 模型與搜尋服務整合

平台文件列出了OpenAI、Anthropic等大型模型供應商，並支援GPT、Claude、Mistral以及Jina AI、Voyage AI等內嵌服務。實際可選用的模型會隨供應商及帳戶權限的變化而改變。

使用者可以接入自己的模型金鑰，模型調用費用與限額則由對應供應商處理。文件中還列出了 Tavily 作為網頁搜尋服務，用於為智慧體補充即時網路資訊。

6. 應用評估

Epsilla提供評估項目、評估運行結果及歷史記錄，用於比較智能體或檢索流程的表現。公開的更新記錄中曾列出ROUGE和Token Overlap等指標，具體可用的指標應以當前的控制台為準。

7. 發布、嵌入與對話分析

完成設定後，使用者可以預覽並發布應用程式，也可將聊天介面嵌入網站。發布設定可搭配主題、標誌、Markdown和LaTeX來呈現。

平台包含用戶互動分析，用於查看應用被怎樣使用。企業部署前應確認分析維度、數據保存時間及個人資訊處理規則。

8. 專案與團隊管理

此項目用於將智慧體、知識庫、評估功能以及各種整合式資源分類，並為團隊成員分配相應的存取權限。項目級別的密鑰可用於以程式化方式存取資源，因此必須妥善保存，並定期更換。

Epsilla Vector Database

向量資料庫能力

• 支援面向嵌入向量的相似度檢索。
• 支援資料庫、表格、欄位、插入、更新、刪除和查詢等管理操作。
• 支援元資料過濾，便於按用戶、時間、分類或權限縮小召回範圍。
• 支援稠密與稀疏向量融合的混合搜尋。
• 支援內建嵌入，讓部分場景可以直接使用自然語言輸入並返回結果。
• 提供計算與儲存分離、Serverless及多租戶相關架構能力。

部署與用戶端

開發者可透過Docker啟動資料庫服務，並將資料目錄掛載到永久性儲存裝置中。Python用戶端套件可用於建立資料庫與表格、寫入記錄，以及執行語意查詢。

完整工作流程

1. 建立Epsilla帳戶並進入預設專案，確認團隊、資料合規及預算要求。
2. 選擇本地檔案、網站或雲端內容系統，建立知識庫並完成授權。
3. 設定解析、分塊、嵌入、元數據和同步策略，然後等待資料完成索引。
4. 建立Chat Agent或Smart Search Agent，選擇模型並關聯知識庫。
5. 配置提示詞、檢索步驟、工具和輸出方式，在預覽環境中測試真實問題。
6. 建立評估數據和指標，對回答正確性、引用內容及失敗案例進行複核。
7. 保存應用版本，選擇網頁發布、嵌入或程式化調用方式上線。
8. 透過使用分析、評估記錄和用戶反饋持續調整知識庫與工作流。

使用教學

創建第一個知識庫問答智慧體

1. 在專案中建立知識庫，選擇一種已獲得使用授權的資料來源。
2. 上傳少量代表性資料，先使用預設解析和分塊設定完成索引。
3. 建立聊天智能體並關聯該知識庫，設定回答範圍及無法回答時的處理方式。
4. 準備事實問題、跨文件問題及無答案問題，逐項檢查召回內容與回答。
5. 確認效果後再擴大資料範圍，並啟用適合資料來源的自動同步。

接入自有模型密鑰

1. 在集成設定中選擇模型供應商。
2. 建立權限最小化的模型金鑰，並在Epsilla中完成驗證。
3. 把所需模型分配給智能體或嵌入任務，避免預設使用高成本模型。
4. 分別檢查Epsilla資源用量和模型供應商賬單，因為兩者可能獨立計費。
5. 設定預算告警並建立金鑰輪換流程，成員離職或金鑰洩露時及時撤銷。

自託管向量數據庫

1. 準備支援Docker的伺服器，並規劃持久化資料目錄、端口和備份策略。
2. 拉取官方向量資料庫鏡像，掛載資料目錄後啟動服務。
3. 安裝官方用戶端，連接資料庫並建立表結構與向量索引。
4. 寫入少量測試記錄，驗證語義查詢、元資料過濾和返回欄位。
5. 上線前補充身份認證、網路隔離、監控、升級和災難恢復方案。

適合哪些用戶

• 企業知識管理團隊：將散佈在檔案、網站及協作系統中的資料用於內部問答。
• 產品與客服團隊：建立產品助手、幫助中心搜尋功能以及客戶支援智能體。
• 開發者：利用開放的向量資料庫、用戶端和介面構建RAG應用。
• 諮詢與專業服務團隊：圍繞行業資料、制度和項目文件建立領域智能體。
• 數據與AI團隊：測試分塊、嵌入、檢索工作流和回答評估方案。
• 需要私有部署的團隊：自託管向量資料庫，並將應用層接入現有系統。

典型使用場景

• 內部制度問答：讓員工從政策、流程和操作手冊中檢索答案。
• 客戶支援：將產品文件和常見問題整合至對話助手，減少重複查詢。
• 智慧站內搜尋：依據語意而非僅依關鍵字來檢索說明中心或內容庫。
• 專案知識助手：同步Drive、Notion、Confluence或Jira中的專案資料。
• 文件研究：對多份報告進行檢索、歸納，並保留可追查的知識片段。
• 開發者檢索底座：為聊天機器人、推薦、搜尋及大模型記憶提供向量儲存。

產品優勢

• 從數據接入到智能體發布的環節較完整，可減少多個獨立服務之間的配置工作。
• 同時滿足業務人員的視覺化建構需求，以及開發者對資料庫、用戶端與程式化管理的需求。
• 知識庫連接器涵蓋常見檔案、網站、雲端儲存及企業協作系統。
• 分塊、嵌入、元資料、假設問題和自動同步等設定適合持續優化RAG。
• 支援專案、成員、版本與評估，便於團隊管理多個應用。
• 底層向量資料庫源碼公開，開發者可以檢查實作並依許可證自主托管。

使用限制與注意事項

• RAG的回答仍可能遺漏、誤引或錯誤概括資料，關鍵業務結果需要人工複核。
• 知識庫品質高度依賴原始檔案、解析結果、分塊策略、嵌入模型和權限設計。
• 外部模型、搜尋服務和資料來源可能產生獨立費用，不能只依據Epsilla套餐估算總成本。
• Free和Starter在成員與項目數量上限制明顯，不適合複雜的多部門權限結構。
• 網頁抓取、雲盤同步與企業連接器受第三方權限、速率與內容格式影響。
• 自託管向量資料庫不等於完整的雲端平台私有化，智慧體介面、評估與連接器需分別確認。
• GPL-3.0對分發和衍生作品有相關義務，商業性整合之前應由技術與法務部門共同審核。
• 公開資料沒有完整說明所有數據保留、模型訓練和數據區域選項，敏感資料上線前應取得合約確認。

價格與套餐

Epsilla雲平台採用Free、Starter、Professional和Enterprise等不同等級。目前可查閱的公開文件中雖然列出了每個等級的成員數量及專案數量上限，但並未提供可以確定的最新金額，因此不應參考過去的截圖或第三方的報價。

控制台帳單頁面可查看目前的套餐內容、資源使用量、支付方式以及歷史發票，並可進行升級操作。實際費用、檔案容量、應用程式數量、訊息額度以及企業權益等資訊，應以購買頁面或合約上的規定為準。

額外成本

• 使用自有大模型密鑰時，文本生成和嵌入費用由模型供應商另行收取。
• 網頁搜尋服務可能需要獨立帳戶和調用額度。
• 對象儲存、雲平台流量和企業內容系統可能產生第三方費用。
• 自託管資料庫需要計算、儲存、備份、監控和運維成本。

支援平台與整合

API、SDK與開源情況

Epsilla Cloud可讓人在專案中管理API Key，並提供程式化管理知識庫等功能。當專案密鑰僅顯示一次時，應立即安全地儲存起來；在實際運作環境中，則需要最低權限、密鑰輪換以及訪問審計機制。

Epsilla Vector Database的主倉庫採用GPL-3.0許可證，其核心部分是以C++來實現的。官方提供的Python和JavaScript用戶端則採用Apache-2.0許可證，而範例應用程式及部分整合式倉庫則採用MIT許可證。具體每個專案的許可證規定，必須分別查閱相關說明。

隱私、安全與版權

• 上傳知識庫前應確認檔案、網站及雲端資料的訪問授權，避免將客戶或員工資料暴露給無權成員。
• 接入第三方模型會把必要輸入發送給對應供應商，數據用途和保留規則需同時查看供應商協議。
• 項目金鑰、模型金鑰和資料來源授權憑證不應寫入公開代碼、提示詞或共享文件。
• 團隊應為專案設定最小訪問範圍，並在成員角色變化後及時回收權限。
• 公開資料未完整說明所有客戶內容是否用於模型改進，敏感場景應在企業合同中明確訓練排除和刪除機制。
• 自託管資料庫的補丁、網路隔離、備份、日誌及恢復責任由部署方承擔。

基本資訊

推薦指數

推薦指數：4.3 / 5。Epsilla適合希望將知識庫、RAG、智能體搭建、評估和發布整合在同一平台的團隊，也適合需要開源向量資料庫基礎架構的開發者。

主要不足是目前公開的定價金額缺乏透明度，雲平台與開源資料庫之間的邊界也容易被誤解。在正式採購之前，應先驗證真實的資料來源、搜尋品質、第三方模型的成本，以及企業的資料使用條款。

常見問題

Epsilla免費嗎？

雲端平台提供免費層，適合用於個人驗證，公開文件顯示其成員數量和專案數量皆限制在1個。其他方案則需根據控制台或企業報價來支付費用。

Epsilla只是向量數據庫嗎？

不是。向量資料庫是其底層及開源產品之一，目前Epsilla還提供知識庫、AI智能體、工作流、評估、發布以及團隊管理功能。

Epsilla是開源的嗎？

需要分開判斷。Epsilla Vector Database採用GPL-3.0開源，若干客戶端和範例也公開源碼，但Epsilla Cloud平台不能因此標記為整體開源。

可以上傳哪些資料？

可以使用本地檔案、網站、Google Drive、Notion、S3、SharePoint、Confluence、Jira，以及各種雲端物件儲存服務。具體的檔案格式與容量則受到當前方案及解析器的限制。

是否支援團隊協作？

支援專案與成員管理。Free版僅限1人，Starter版最多2人，Professional版最多20人，Enterprise版的公開文件則不限制成員數量。

是否可以接入自己的模型？

可以。平台允許配置模型供應商的密鑰，模型調用費用和速率限制由相應供應商管理。

是否提供API？

提供程式化功能。雲端專案可管理API Key與知識庫資源，向量資料庫還提供REST介面及多語言用戶端。

支援私有部署嗎？

開源向量資料庫可以透過Docker自行部署，但這並不代表整個Epsilla Cloud應用層都能被私有化部署。那些希望將代理人平台私有化的企業，應向官方確認相關範圍。

生成回答可靠嗎？

回答品質取決於資料、解析、分塊、檢索和模型。即使啟用RAG，仍可能出現遺漏或錯誤歸納，應使用評估集和人工抽查來驗證重要結果。

數據會被用於訓練嗎？

目前可核實的公開資料不足以完整說明所有客戶資料的訓練用途。企業在上傳敏感資訊之前，應先取得有關資料之排除、保留、刪除以及數據使用範圍的書面規定。

總結

Epsilla將多渠道知識庫、RAG檢索、AI智能體、工作流、評估與發布整合為完整的應用流程，同時保留了可自托管的開源向量資料庫。

個人可以從Free層驗證知識問答，團隊則應根據成員、專案和資源需求選擇套裝。採購或上線前需要重點確認當前價格、模型與搜索外部費用、數據合規以及雲平台和開源組件的實際邊界。