Felo 怎么和其他工具组合：一条可落地的工作流
多语言 AI 搜索，可生成思维导图和演示稿——这是 Felo 最主要的用途，也是本文讨论的前提。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：Felo + Mistral 开源模型
Mistral 开源模型的定位是：Mistral AI 以开放许可发布的模型。两者分工可以是：Felo 负责「网页内容抓取」这一步，Mistral 开源模型负责用本地模型处理敏感部分。
工作流步骤
- 明确交付物和验收标准，例如：没有臆造发布日期。
- 准备输入：一组需要定期关注的网页，先去掉敏感信息。
- 在 Felo 中执行核心步骤（提示词见下文）
- 把结果交给 Mistral 开源模型做下一步处理，或从 Mistral 开源模型取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
网页内容抓取
输入：一组需要定期关注的网页。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
验收标准：没有臆造发布日期。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 权限分散：两边的账号和分享范围分别检查。
如果暂时不想引入第二个工具，也可以先用 Genspark 等同类产品替代其中一环，跑通流程后再决定。
更多可以试的用法
检索效果对比
适用情况：手头有同一批问题和两种检索配置时。
用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。
检查点：对比用同一批问题。
带来源的快速调研
输入：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
检查点：关键结论都有可点击来源。
构建问答测试集
准备材料：一份产品手册。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
检查点：每个答案都能在手册中找到。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
概念补充：混合检索
同时使用关键词和向量检索，兼顾精确匹配与语义理解。
适合人群：数据分析师
数据分析师可以用 Felo 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
使用提醒
本文基于 Felo 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。