Dify 个人知识库

Dify 个人知识库搭建主要有以下几种方法：

一、本地文件导入（最基础方式）

1. 支持格式：TXT、Markdown、PDF、Word、Excel、HTML等（单个文件≤15MB）

2. 操作步骤：

– 登录Dify → 进入「知识库」→ 点击「创建知识库」

– 选择「导入已有文本」→ 上传本地文件

– 配置分段规则（推荐默认设置）

– 选择Embedding模型（如BAAI/bge-m3）

– 设置索引方式（高质量模式）和检索方式（混合检索）

– 点击「保存并处理」完成向量化

二、外部平台同步（自动化更新）

1. Notion同步：

– 选择「同步自Notion内容」

– 授权连接Notion账号后自动同步指定页面

2. 网页抓取：

– 选择「同步自Web站点」

– 输入目标URL（如博客/文档网站）

– 支持整站爬取或单页抓取

三、API批量导入（适合开发者）

1. 通过Firecrawl等爬虫工具批量抓取网页内容

2. 调用Dify知识库API（”POST /datasets/{id}/documents”）

3. 示例流程：# 使用Python批量导入

import requests

api_key = “your_api_key”

dataset_id = “knowledge_base_id”

response = requests.post(

f”https://api.dify.ai/v1/datasets/{dataset_id}/documents”,

headers={“Authorization”: f”Bearer {api_key}”},

json={“text”: “文档内容”, “metadata”: {“source”:”自定义来源”}}

)

四、连接外部知识库（企业级方案）

1. 支持系统：RAGFlow、Milvus、Pinecone等

2. 配置方法：

– 在Dify中添加外部API（需提供Endpoint和API Key）

– 创建知识库时选择「连接外部知识库」

– 输入外部知识库ID完成对接

五、混合增强方案

1. 父子分段策略：

– 父块（1024字符）保留完整上下文

– 子块（512字符）用于精准检索

– 重叠50字符保证语义连贯

2. 多模型组合：

– 用BGE模型做向量检索

– 用BCE模型做重排序(Rerank)

– 设置Score阈值过滤低质量结果

注意事项

1. 敏感数据提议选择本地部署（Docker方案）

2. 学术论文等专业文档提议启用「Q&A分段」模式

3. 可通过元数据（如user_name）实现多用户隔离

«附：知识库优化口诀

「分段长度适中好，父子结构不可少；

混合检索效果佳，模型选型看指标」»