Dify知识库创建指南：文档上传、分段设置与索引模式选择

在构建基于大语言模型的应用时，私有数据是提升回答准确性的关键。Dify 的知识库功能允许用户将本地文档转化为模型可检索的结构化数据。对于初次接触 Dify 的用户而言，理解从上传到索引的完整链路，是确保后续应用效果的基础。本文将按照界面操作顺序，带你熟悉知识库创建的核心环节。

Dify 控制台左侧导航栏选中“知识库”，右上角显示蓝色“创建知识库”按钮

概述

进入 Dify 控制台后，点击左侧导航栏的“知识库”图标，即可进入管理页面。点击右上角蓝色的“创建知识库”按钮，系统会弹出一个包含多个步骤的配置向导。整个流程主要分为三个部分：基础信息与文档上传、数据处理与分段、索引模式选择。每个步骤都直接影响最终检索的质量与速度。

概述

关于【基础信息与文档上传】

在创建向导的第一步，首先需要为知识库命名并添加描述，这有助于在多知识库环境中快速识别用途。接着是核心的文档上传环节。

Dify 支持多种常见文件格式，包括 TXT、Markdown、PDF、HTML 以及 Word 文档（docx）。上传方式有两种：直接拖拽文件到指定区域，或点击上传按钮从本地选择。如果数据量较大，也可以连接 Notion 或 Web 站点进行同步抓取。

上传过程中，系统会自动检测文件编码和大小。对于 PDF 等复杂格式，建议确保文档结构清晰，避免扫描件或图片型 PDF，因为这类文件无法直接提取文本，需要额外的 OCR 处理支持。

文档上传区域支持拖拽，显示支持的文件格式图标

关于【数据处理与分段设置】

文档上传完成后，进入第二步“数据处理”。这是决定检索精度的关键环节，主要涉及分段规则的选择。Dify 提供了两种主要的分段模式：自动分段与自定义分段。

自动分段

这是默认推荐的方式，适合大多数通用文档。系统会根据文档的自然段落、标题层级和标点符号，智能地将长文本切分为适合嵌入模型处理的片段。你只需选择预设的分段标识符（如换行符、句号等），系统会自动计算最佳长度。

自定义分段

当文档具有特殊结构（如代码块、表格密集的技术手册）时，自动分段可能会切断语义连贯性。此时可选择自定义分段，手动设置以下参数：

• 分段最大长度：限制每个片段的字符数，通常建议在 500-1000 字符之间，以平衡上下文完整性与检索精度。
• 重叠率：设置相邻分段之间的重复字符比例。适当的重叠（如 10%-20%）可以防止关键信息被切割在两个片段的边缘，从而提高召回率。

在预览区域，你可以实时看到分段后的效果。如果发现某一段落被不合理截断，可以返回调整参数，直到预览结果符合预期。

关于【索引模式选择】

最后一步是选择索引模式，这决定了数据如何被存储和检索。Dify 目前提供两种模式：高质量索引和经济型索引。

高质量索引

该模式使用 Embedding 模型将文本转换为高维向量，并存储在向量数据库中。其优势在于能够理解语义相似性，即使查询词与文档原文不完全匹配，也能找到相关答案。例如，搜索“如何重置密码”可能匹配到包含“找回账户权限”的段落。此模式适合对回答准确性要求较高的场景，但会消耗更多的 Token 和存储空间。

经济型索引

该模式主要基于关键词匹配（倒排索引）。它速度快、成本低，适合数据量极大且查询意图非常明确的场景。但如果用户提问方式与文档措辞差异较大，检索效果可能不如高质量索引。

对于大多数初创应用或内部知识助手，建议优先选择“高质量索引”，以获得更自然的对话体验。若后续发现响应速度成为瓶颈，再考虑混合模式或切换至经济型。

高质量索引与经济型索引的对比卡片

关于【保存与命中测试】

完成上述配置后，点击“保存并处理”按钮。系统后台开始执行文本清洗、分段和向量化操作。根据文档数量和长度，这个过程可能需要几秒到几分钟不等。

处理完成后，知识库状态变为“可用”。此时不要急于关闭页面，建议使用右侧的“命中测试”功能。输入几个典型的业务问题，观察系统是否能召回正确的文档片段。如果召回结果偏差较大，可能需要回头调整分段长度或检查原始文档的质量。

命中测试输入框及召回结果展示

一旦测试满意，该知识库即可在 Dify 的“应用”模块中被调用。在创建聊天助手或工作流时，只需在“上下文”或“知识库”组件中关联此知识库，应用便能基于这些私有数据生成回答。