夜雨聆风一、 什么是知识库与RAG？
当前主流大模型所掌握的知识，主要来源于公开互联网的通用数据，对于企业内部文档、专属产品手册或个人隐私信息，它们完全无法访问，因而难以提供精准响应。知识库正是为突破这一限制而设计——它如同一个专属的“数字档案馆”，用于集中存储和管理非公开的、领域特定的结构化与非结构化资料，如PDF、Word文档、网页内容、数据库记录等。
当知识库建立后，如何让 AI 有效调用其中内容？这就依赖 RAG（检索增强生成） 技术，可形象地理解为一场“开卷考试”：
检索：当用户提出问题（例如：“我们的 A 产品保修期是多久？”），RAG 系统会即时从知识库中精准定位与问题最匹配的文本片段。
增强：将这些检索到的上下文片段作为“参考资料”，动态注入大模型的输入上下文。
生成：大模型融合其固有的通用语义能力与新增的专属知识，输出更准确、有据可依、贴合实际的答案。
过去构建此类系统需深度依赖LangChain等底层框架，配合Python编写前后端服务，开发周期长、技术门槛高，熟练开发者通常需耗时1–2周。如今，Dify已将整个流程封装为一站式平台，仅需几分钟即可完成部署，且全栈开源、免费可用。
在Dify平台上，用户可通过直观的图形界面，直接上传文档构建知识库，并通过拖拽组件配置完整的RAG流程。无需编写一行代码，即可快速搭建出能“读懂”你私有数据的智能问答助手或客服机器人，真正实现AI为专属业务赋能。
二、创建知识库
进入Dify首页，点击左侧导航栏中的 “知识库” 菜单，即可跳转至专属的知识库配置中心，开启你的私有知识管理之旅。
创建知识库时，需手动上传专属文档，Dify全面支持多种文件格式，仅需三步即可完成配置：首先选定数据来源，接着进行文本切分与清洗，最后系统自动完成处理。
当前Dify支持多种常见文件格式，包括PDF、TXT、MD、Word、CSV、HTML等，上传方式灵活便捷——只需将文件拖拽至中央区域，或点击按钮手动选择即可。例如，我们选取一份记录成龙电影作品的Word文档进行上传。
直接点击“下一步”后，将进入数据清洗界面，构建知识库的核心在于对内容进行分段切分，随后完成向量化处理，接着执行检索操作，最终对检索结果进行排序，如下图所示：
到这里，无需调整设置，直接使用默认选项即可，除非文档篇幅过长，或你有精细化清洗的需求，常规场景下默认配置完全够用。（若文档中包含明确的问答对形式内容，可启用Q&A分段模式。）
点击“预览块”，即可查看Dify自动完成的文档分段效果，索引策略建议选择“高质量”模式。随后，系统将自动执行Embedding模型的向量化处理与索引检索流程。
这里选择age-large-zh-v1.5作为Embedding模型，因当前语料均为中文文档，需匹配 zh 语言版本；检索策略上采用混合检索，其综合召回率与精准度表现更优；其余检索参数暂保留默认配置，若后续问答效果未达预期，再针对性优化调整即可。
点击“保存并处理”后，系统将自动完成知识库的构建流程，至此，你的专属知识库即已准备就绪。
点击文档链接，即可查看已上传至知识库的专属内容。
三、创建应用
接下来，将智能体的大模型与已构建的知识库进行关联，正式创建新应用。
点击创建后，在知识库选项中选择“添加”，并从列表中选取我们已构建的知识库——“成龙电影生涯全景报告”。
点击“添加”后，当前应用即可成功绑定此前创建的知识库。由于本项目旨在构建一个基于知识库的问答型聊天机器人，需对大模型的提示词进行针对性配置（提示词的设置方法已在前文详述，具体可参见下方图示）。
点击应用后，可移除 {{user_query}} 这一变量，当前无需使用。
进入调试与预览界面后，可直接输入问题进行测试，例如从已上传文档中摘取一句原话，验证系统能否准确召回并生成对应答案。
是的回答准确，效果令人满意，不妨再尝试其他问题，例如：
针对这个问题，我的提问结果非常准确，点击发布即可。
效果确实不错，这个知识库的应用场景极其广泛，既能用于个人场景，也能支撑企业级需求，toB 和 toC 通通适用，值得我深入学习并动手实操。
