Dify平台上的知识库搭建

知识库（RAG）是大模型时代的必备技术之一，这已经没什么悬念。现在市面上能搭建知识库的平台多如牛毛，从大模型自带的智能体平台，比如GPTs、Coze、GLM、Poe，到自由度更高的开发平台，像Dify、阿里百炼，选择确实不少。

最近把Dify的工作流搭建好好玩了一圈，有些体会确实值得记下来，尤其是一些细节，挺有意思。

一打开Dify，界面走的是简洁路线，首页就能直接选“创建空白应用”，或者从应用模板里找。对新手来说，模板这个入口更友好——避免因为不熟悉参数配置，卡在第一步浪费时间。很多人第一次上手，多半也是直接拿个模板改改就用了。

模板库很丰富，这次选的是“知识库+聊天机器人”这个组合。

点下“使用该模板”，会弹出一个窗口，后面的事情就简单了：按需修改、填充内容即可。

进入编排页面，工作流已经搭好了。

因为用了模板，输入输出的参数基本不用动，只需要改改知识库的名字之类的东西就能跑起来。

Dify的设计思路有一个鲜明的特点：以工作流为主线。知识库作为一个独立的模块，先存储好，然后在工作流中被引用。这其实挺聪明的设计——模块化、可复用，是工程化思维的体现。

在知识库栏目里，点击“创建知识库”，就可以调出上传文件的对话框了。

文件类型支持得很全，市面上同类产品中确实少见。上传完，起个名字，然后就能在工作流里直接导入使用了。

搭建完成后，最有意思的环节来了：调试。

在这个环节，Dify有个让人眼前一亮的功能——可以直观地看到问题在流程中的每一步状态。

比如我提了一个问题，在得到答案之后，可以点击工作流中的各个节点，从问题输入到最终回复，整个过程一一展开，清清楚楚。

你能看到知识库检索到的文献出处，以及具体的匹配内容。回顾这些检索路径，能让人直接判断：知识库对这类问题的响应能力到底怎么样。对后续优化来说，这无疑是绝佳的指引。

当然，Dify在知识库操作上还有不少设计，比如召回统计之类的功能，就不一一细说了。总之，多试试就知道，整体还是简单实用的。