【Dify】提示词和知识库
在大模型（LLM）的应用开发中，提示词（Prompt）和知识库（Knowledge Base / RAG）是决定模型输出质量的两个核心要素。如果把大模型比作一个“极其聪明但没有长期记忆的专家”，那么提示词就是你对他的工作指令，而知识库则是你塞给他的参考资料。
一、 提示词 (Prompt)
提示词是你输入给大模型的文本，用来指导它如何思考和输出。好的提示词能够挖掘出大模型更深层的推理能力。
1. 提示词的核心构成要素
一个结构严谨的生产级提示词，通常包含以下部分：
- 角色 (Role/Persona)：赋予模型一个身份。（例如：“你是一个资深的软件架构师…”）
- 任务 (Task)：清晰定义需要解决的问题。（例如：“请审查以下代码的安全性…”）
- 上下文 (Context)：提供必要的背景信息。
- 约束条件 (Constraints)：限制输出范围。（例如：“只能用中文回答”、“回答不要超过200字…”）
- 输出格式 (Format)：指定返回的结构。（例如：“请用 Markdown 表格返回结果”）
2. 常用提示词高级技巧
- Few-Shot (少样本提示)：在提示词里给模型提供 1~2 个“输入-输出”的正确示例，模型会模仿示例的风格和逻辑进行回答。
- CoT (思维链提示)：在提示词中加入“请一步步思考”，促使模型把复杂的推理过程写出来，能显著提高数学、逻辑题的准确率。
二、 知识库 (Knowledge Base / RAG)
大模型虽然聪明，但它有两个致命弱点：有知识盲区（不知道企业内部数据或最新资讯）和会胡说八道（幻觉）。知识库就是为了解决这两个问题而存在的。
在技术上，围绕知识库构建的应用通常被称为RAG（检索增强生成，Retrieval-Augmented Generation）。
1. 知识库的工作原理
当用户提问时，系统并不是直接把问题丢给大模型，而是经历以下三步：
- 检索 (Retrieve)：系统先去你的知识库（PDF、Word、网页等文档）里，把与用户问题最相关的几个片段（Chunk）找出来。
- 增强 (Augment)：把这几段找出来的“参考资料”和用户的“原始问题”拼接在一起，组装成一个临时的、信息丰富的提示词。
- 生成 (Generate)：大模型阅读这些参考资料，然后基于资料回答用户的问题。
2. 为什么需要知识库？
- 消除幻觉：强迫大模型“照书上说的答”，不知道的就说不知道，不再瞎编。
- 数据私密：无需将企业敏感数据拿去重新训练/微调大模型，数据只在本地或专属向量数据库中检索。
- 低成本更新：如果业务数据变了，只需更新知识库文档即可，无需花费高昂的代价去训练模型。
三、 两者的协同关系
在 Dify、LangChain 等 AI 应用开发平台上，提示词和知识库是相辅相成的：
| 维度 | 提示词 (Prompt) | 知识库 (Knowledge Base) |
|---|---|---|
| 扮演角色 | 决定模型的**“灵魂与行为”**（语气、逻辑、格式、流程控制） | 提供模型的**“粮仓与子弹”**（专业事实、业务数据、特定文档） |
| 解决问题 | 怎么说？（How to say） | 说什么？（What to say） |
| 典型应用 | 规定模型：“你必须用温柔的语气、以表格形式回答…” | 告诉模型：“关于我们公司的退换货政策，具体条款在《2026版售后手册.pdf》里…” |
四，在Dify中的使用
1.创建知识库
在Dify中，点击知识库按钮，可以直接新建一个知识库。
数据源通常选择导入已有文本。你可以让ai随便生成一个文件，比如通用测试知识库文档。
然后导入。
以下是有关知识库参数的相关说明。
| 环节 | 参数 | 简化说明 |
|---|---|---|
| 分段设置（如何拆分文档） | 分段标识符 | 遇到什么符号（如空行\n\n）就切开，避免乱切 |
| 分段最大长度 | 每个文本块的最大字数，超了就强制切断 | |
| 分段重叠长度 | 相邻块之间保留几个字，防止断句丢上下文 | |
| 文本预处理 | 自动清理多余空格、换行，或把 FAQ 的问答打包成一块 | |
| 索引方式（如何存储与理解） | 通用分段 vs 父子分段 | 普通切块 vs 先切小块搜，再给大块内容，兼顾精确和完整 |
| 高质量 vs 经济索引 | 语义理解（推荐） vs 纯关键词匹配（Ctrl+F） | |
| Embedding 模型 | 把文字转成语义向量的模型，决定了“懂不懂人话” | |
| 检索设置（如何找出答案） | 检索模式 | 向量（语义）、全文（关键词）、混合（两者结合，推荐） |
| Rerank 模型 | 对初步召回结果二次排序，把最相关的放前面 | |
| Top K | 最终喂给大模型的文本块数量，越大越全但越贵 | |
| Score 阈值 | 设置相关度及格线，低于此分的直接扔掉 |
我们还可以在旁边的窗口看到文档经过这些处理之后的样子。
等待它处理完之后，我们可以在工作室新建一个新手适用的聊天助手。
在知识库一栏就可以导入我们刚刚的知识库。
再问的时候，Dify 等系统会把用户的问题转化为向量，然后去你之前建好的知识库里搜索最相关的文档片段（Chunk）。系统会在后台把用户的问题和刚刚捞出来的参考资料，像拼积木一样拼进一个预设好的模板（Prompt）里，变成一个长段落。系统再把这组装好的长文本整体发送给大模型（如 Llama、Qwen 等）。最后再由大模型来整理最终回答，对它来说就是看书作答，有关ai幻觉的问题就会减轻很多。
在这里，点击提示词窗口右上角的生成，还可以根据我们的简略的提示词来生成更好的提示词。