Dify 创建知识库

这篇适合谁、读完能做到什么

适合已经在用 Dify、想让应用依据自己的资料回答问题的人。读完你应该能在 Dify 里新建一个 Agent 知识库，把内容通过数据源或文件导入，设置同步策略，并在把它接入应用之前检查索引结果、测试检索效果。

知识库是什么，为什么要先建它

知识库（knowledge base）是把你的文档整理成可检索内容的地方。应用需要依据资料作答时，就从知识库里检索相关段落。这种做法通常被称为检索增强生成（RAG，retrieval-augmented generation）^[1]。本页讲的是 Dify 中的 Agent 知识库怎么建^[1]。

第一步：新建知识库

进入「知识库」页面，切换到 Agent，然后点击「创建」^[1]。

接着填写名称和描述，并设定哪些成员可以查看这个知识库、哪些人可以把它接入自己的应用。这些设置之后都可以在知识库的设置里修改^[1]。

知识库使用工作空间的默认模型。如果希望文档里的图片也能被检索到，需要换用支持视觉的嵌入模型，页面里有专门的多模态检索说明^[1]。

第二步：添加内容

内容存放在别处、而且会不断变化时，适合连接数据源。手上是独立文档时，直接上传文件就行。一个知识库可以同时包含这两类内容^[1]。

页面的建议是：先导入少量有代表性的文档，把检索调到满意，再导入其余内容。这样做的原因是，之后更换嵌入模型会重新索引所有文档，知识库还小的时候更换，消耗的 token 也更少^[1]。

连接数据源

Firecrawl、Notion、Google Drive 等数据源集成，可以从网站、文档平台或云盘导入内容^[1]。

具体步骤如下^[1]：

1. 选择提供商。从工作空间已安装的数据源集成中选一个；没有合适的，就点击「更多提供商」浏览并安装。
2. 在「集成」>「数据来源」中输入对应的 API 密钥或授权账号，完成连接。
3. 选择要同步的内容。网站抓取时，为数据源命名并粘贴 URL，检查「抓取选项」中的默认设置，点击「抓取并预览」，再从结果中选页面。在线文档和在线云盘则从已连接的账号或存储桶中挑选要导入的页面或文件。
4. 设置同步策略。可以选预设的同步周期，也可以自定义 1 小时到 30 天之间的间隔，或者改成手动同步。

同步频率应该跟内容的更新频率匹配。同步时如果发现变化，有变化的内容会被重新索引，这同样会消耗 token^[1]。

如果现有的集成都不能满足需求，可以自己开发数据源插件，也可以向社区提出需求^[1]。

上传文件

单个文件最大 15 MB^[1]。批量上传适用于 Professional 和 Team 套餐^[1]。

第三步：确认索引结果，再接入应用

在「文档」页面，文档显示为「就绪」只是第一步。就绪只说明索引已经完成，并不代表内容处理得对。页面提到，索引会整理出章节、摘要和分段，这些结果是否合理，直接影响之后检索拿到的片段。章节切错、分段过碎或过长，模型拿到的就可能是不完整的内容，回答也跟着不准。所以在接入应用前，先花一点时间逐篇看一遍，比事后在应用里排查省事得多^[1]。页面明确说，还要再做三件事，知识库才适合面向真实用户^[1]：

• 检查已索引的文档：打开文档，确认章节、摘要和分段都处理得当。
• 测试检索并调优设置：用应用实际会遇到的问题去测，反复调整，直到结果稳定可靠。
• 接入应用、Agent 和代码：把知识库添加到需要依据它作答的应用中^[1]。

限制和常见问题

• 文件大小上限为 15 MB，超过的文件需要另想办法，页面没有给出拆分的具体建议^[1]。
• 批量上传只在 Professional 和 Team 套餐中提供。页面没有列出套餐价格，需要的话请到页面链接的定价页面查看^[1]。
• 同步和更换嵌入模型都会消耗 token。在设置同步周期和选择嵌入模型之前，先估一估内容的更新频率和知识库的规模^[1]。

下一步

想了解如何检查已索引的文档、测试与调优检索，以及如何把知识库接入应用、Agent 和代码，可以按页面给出的三个链接继续阅读^[1]。

本文改编自 Dify 官方文档中的《创建 Agent 知识库》一页^[1]，原文以 CC BY 4.0 许可证发布。