Dify 知识库怎么搭：从上传文档到 RAG 问答

Dify 知识库是很多人搜索 AI 应用搭建时会遇到的入口。官方文档把 Knowledge 描述为可集成到 AI 应用里的自有数据集合，并通过 RAG 让模型先检索相关资料，再结合用户问题生成回答。对新手来说，重点不是“上传文档就完事”，而是资料准备、检索设置、metadata filtering、引用来源和上线测试。

这篇是草稿，正式发布前需要核对 Dify 最新界面和官方文档。更通用的 RAG 流程可以看 RAG 知识库怎么搭，工具选型可以看 Dify、Coze、Flowise 怎么选。

适合谁

适合想用 Dify 做企业 FAQ、客服知识库、产品手册问答、课程资料问答或内部 SOP 助手的人。你可能已经有文档，但不知道如何把文档变成可检索、可引用、可测试的知识库。

也适合接 AI 知识库项目的新手。客户说“帮我搭一个 Dify 知识库”，你要继续问文档来源、权限、更新频率、测试问题、回答格式和维护负责人。

不适合谁

不适合资料还没有整理、文档互相矛盾、权限边界不清，却希望 Dify 自动解决所有问题的人。知识库效果很大程度取决于资料质量。

如果项目包含客户隐私、合同、人事、财务、内部账号或敏感业务信息，新手不应该独立决定上传和权限方案。

第一步：准备文档

先列出知识库要包含哪些资料：FAQ、产品说明、客服记录、课程资料、SOP、网页内容或 PDF。每份资料都要有来源、负责人、更新时间和可见范围。

不要把过期资料和重复资料直接上传。RAG 的回答会受资料质量影响，资料越乱，模型越容易给出看似合理但不可靠的答案。

第二步：创建知识库

创建知识库时，要关注文档格式、切分方式、索引模式、embedding 和检索设置。新手不一定一开始就懂所有参数，但至少要记录当前设置，方便后续复盘。

如果是客户项目，建议先用一小批高质量文档做试点。跑通检索和回答质量后，再批量导入更多资料。

第三步：接入 Knowledge Retrieval 节点

Dify 的 Knowledge Retrieval 节点用于从指定知识库检索和用户查询相关的内容，并把结果作为上下文传给后续 LLM 节点。官方文档也提到检索结果会包含文档 chunk、metadata、title 等信息。

这意味着你可以把知识库检索作为工作流的一步，而不是把所有资料都塞进提示词。节点配置时要明确查询变量、知识库范围、Top K、Score Threshold 和 rerank 设置。

第四步：使用 metadata filtering

metadata filtering 很适合文档较多、场景不同或权限复杂的知识库。比如同一个知识库里有产品 A、产品 B、内部版、公开版，就可以通过 metadata 缩小检索范围。

不要等知识库很大才补 metadata。文档导入时就设计项目、部门、版本、更新时间、可见范围等字段，后续检索会更可控。

第五步：测试引用和答案

知识库问答最好带引用或来源，让用户知道答案基于哪份文档。没有来源的答案不方便信任，也不方便纠错。

测试时准备常见问题、边界问题、找不到答案的问题和权限问题。系统应该能回答有依据的问题，也应该能在没有资料时说明找不到依据。

风险提醒

Dify 能降低搭建门槛，但不会自动保证资料准确、权限安全或回答可靠。知识库上线前必须人工检查文档、检索结果、引用来源和权限边界。

如果使用 Dify Cloud 或自部署 Dify，还要分别核对数据存储、访问权限、日志和费用。正式项目不要只看演示效果。

具体步骤

第一步，整理文档清单，标注来源、负责人、更新时间和可见范围。

第二步，创建小规模知识库，先导入高质量资料。

第三步，在应用或工作流中加入 Knowledge Retrieval 节点。

第四步，配置检索参数、metadata filtering 和引用显示。

第五步，用测试问题验收。需要 Dify 知识库检查表或人工协助，可以从 工具导航 进入。

免责声明

本文是 Dify 知识库入门草稿，不构成具体部署、安全或商业建议。Dify 功能、界面、价格和限制可能变化，正式发布前需要人工核对官方文档。涉及企业数据和客户资料时，请由专业人员复核。