第 4 章：知识库（RAG）：让 AI 拥有你的专属知识
检索增强生成（RAG）是 Dify 的核心杀手锏。通过将私有文档导入知识库，你可以让 AI 摆脱“幻觉”，基于你提供的真实数据进行回答。
4.1 RAG 技术简介：为何需要 RAG？
大模型（LLM）的训练数据是有截止日期的，且无法获知你的私有信息。RAG 就像是给 AI 准备了一本“参考书”，当用户提问时，AI 先去书里查资料，再结合资料组织语言回答。
4.2 创建与管理知识库
- 在 Dify 顶部菜单选择 知识库 (Knowledge)。
- 点击 创建知识库 (Create Knowledge)。
- 上传文档：支持 PDF, TXT, MD, DOCX, CSV 等多种格式。你也可以通过 Notion 导入或 Web 爬虫抓取。
4.3 文本处理与分段策略
这是决定 RAG 效果的关键步骤。Dify 提供三种分段模式：
| 模式 | 特点 | 适用场景 |
|---|---|---|
| 通用模式 (General) | 简单直接，按固定长度分块。 | 普通文章、新闻、说明书。 |
| 父子模式 (Parent-Child) | 将文档分为“父段落”（大块上下文）和“子分段”（小块检索点）。检索子段落，回答时参考父段落。 | 结构复杂的长文档、法律条文。 |
| 问答模式 (Q&A) | 将文本自动转化为“提问-回答”对。 | 常见问题集 (FAQ)、客服知识库。 |
4.4 索引方式与检索设置
- 高质量模式 (High Quality)：调用 Embedding 模型进行向量化。虽然消耗 Token，但检索最精准。
- 经济模式 (Economy)：使用关键词搜索（倒排索引）。不消耗 Token，但无法理解语义。
检索设置技巧：
- Top K：设置返回相关度最高的前几个片段（通常设为 3-5）。
- Score Threshold：设置相似度阈值，过滤掉不相关的噪音。
4.5 在应用中集成知识库
- 回到你的应用编排界面。
- 在 上下文 (Context) 中添加你刚刚创建的知识库。
- 在提示词中使用变量引用知识库内容（Dify 会自动处理这一步）。
下一章预告：我们将学习 Dify 最强大的逻辑大脑——工作流 (Workflow)，带你从简单的对话进阶到复杂的业务流程自动化。
© 版权声明
若无特殊声明，本站所有文章版权均归「PMKG AI知识库」原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。
相关文章
暂无笔记...