Dify知识库关键词查询有哪些高级功能
Dify知识库的关键词查询并非简单的“Ctrl+F”搜索，其核心在于检索策略与工作流编排。以下是其高级功能详解，旨在提升检索的精准度与灵活性。
🔍 核心检索策略
Dify提供三种检索方式，可根据业务场景灵活组合：
向量检索 (Vector Retrieval)
将问题与文档转化为向量，通过计算相似度进行匹配。适用于语义理解强的场景，如“怎么退货”匹配“退款流程”。
全文检索 (Full-text Search)
基于关键词匹配（倒排索引），适合术语、编号等精确查找。例如，查找“Dify v1.2.3”或“RFC-2024”等文档。
混合检索 (Hybrid Retrieval)
同时执行向量与全文检索，并按权重（如7:3）合并结果。这是最通用的策略，兼顾语义与关键词，适合大多数客服、问答场景。
⚙️ 高级检索参数
在知识库或Workflow的“检索设置”中，可通过以下参数精细调控：
Top-K
控制返回的相关片段数量。调小（如3-5）结果更精，但可能漏掉相关信息；调大则召回更多，但可能引入噪声。
Score 阈值 (召回阈值)
设置相似度的最低分数线。阈值过高可能导致无结果，过低则可能引入无关内容。建议从0.5开始根据实际效果调整。
Metadata 元数据过滤
为文档添加标签（如部门、年份），查询时可按标签过滤。例如，仅搜索
doc_type = "policy"的文档，实现权限隔离或范围限定。
🧩 Workflow中的高级玩法
通过工作流编排，可实现比单次查询更复杂的逻辑：
多知识库并行检索
在Workflow中串联多个“知识检索”节点，分别查询产品库、法规库等，然后合并结果传递给LLM，实现跨库综合问答。
多轮对话中的上下文检索
将对话历史与当前问题一同作为检索输入，或使用上一轮的检索主题作为附加条件，确保多轮对话的上下文连贯性。
检索结果后处理
在检索节点后增加“代码”或“模板”节点，对返回的文本片段进行去重、截断或重排序，再传递给LLM生成回答。例如，只保留相似度高于0.8的结果。
意图分类路由
使用“问题分类”节点先判断用户意图（如售后、技术），再将其路由至对应的“知识检索”节点，实现精准分流。
✍️ 查询侧优化技巧
通过优化输入，可显著提升检索效果：
查询扩展 (Query Expansion)
使用LLM将模糊问题补全为完整问句。例如，将“粉尘标准”扩展为“金属露天矿爆破作业粉尘浓度限值是多少？”，再进行检索，效果更佳。
优化Prompt设计
在提示词中明确要求LLM“仅基于以下知识库内容回答”，并附上检索到的文档片段。这能有效约束模型，减少“幻觉”回答。
结构化数据清洗
上传前，将Word/PDF中的表格转为Markdown格式，并清除页眉页脚等噪音。干净的源数据是高质量检索的基础。
📊 测试与迭代
Dify提供了便捷的测试工具，帮助您持续优化：
召回测试 (Recall Test)
在知识库页面直接输入问题，查看匹配到的分段、分数(Score)及详情。通过对比不同检索模式的Top-K和Score，可直观判断哪种配置效果最好。