搭 Dify 知识库，大部分时间该花在入库，而不是提示词上。但 Dify 现在多了一步前置选择：知识库现在分「Agent 知识库」和「经典知识库」两类，Agent 知识库不能转回经典，选错要重建。所以正确的顺序是先定类型，再洗文档，最后调分段与召回。
先选类型：Agent 还是经典
官方对两类知识库的定位很明确，差别集中在四件事上：
| 维度 | Agent 知识库 | 经典知识库 |
|---|---|---|
| 适用应用 | Workflow、Chatflow、新 Agent | 聊天助手、文本生成、旧版 Agent，也支持 Workflow 与 Chatflow |
| 内容来源 | 上传文件、抓取网站、在线文档、在线云盘 | 上传文件、抓取网站、Notion，或用知识流水线接其他数据源、接外部知识库 |
| 单文件上限 | 所有套餐均为 15 MB | Sandbox 15 MB；Professional 与 Team 套餐 50 MB |
| 可配置项 | 模型、检索深度、Top K、分数阈值 | 模型、分段模式与长度、索引与检索方式、Top K、分数阈值 |
两条判断线足够用。要精细控制内容怎么切、怎么索引，选经典；要省事、要内容自动同步，选 Agent。新项目官方建议从 Agent 开始，但经典可以日后再升级成 Agent，反过来不行——这是单向门。
入库前先把文档洗一遍
从 Word、PDF、网页粘贴下来的文本，通常带三类垃圾：页眉页脚与页码、目录页、到处断行的句子。这些东西进入索引后会变成没有信息量的片段，占着召回名额。清洗的目标不是排版好看，是让每一段都独立成立。
Dify 在分段前提供两个预处理开关，能省掉一部分手工活：连续三个以上换行压成两个、多个空格压成单个、制表符与特殊 Unicode 空格替换成普通空格；以及删除所有 URL 和电子邮件地址（这条在「全文」父分段模式下会被忽略）。它管不了页眉页脚和目录，那部分仍然要手工删。
扫描件要先做文字识别再上传。图片型 PDF 直接入库，解析出来可能只有零星几行，检索时永远命中不了。表格也别原样丢进去：把每一行改写成「表头加取值」的完整句子，比保留表格结构更容易被召回。
分段：三个参数，两个不能改的选择
官方把分段设置拆成三个参数：
- 分隔符：文本被拆分的字符或字符序列，例如
\n\n在段落换行处拆、\n在行换行处拆。注意分隔符本身会在分段过程中被移除，所以别用文档里会自然出现的普通字符。 - 分段最大长度：每个分段的最大字符数。超过这个限制的文本会被强制拆分，不管分隔符怎么设。
- 分段重叠长度：相邻分段之间重叠的字符数。官方举例：设 50 个字符的重叠，一个分段的最后 50 个字符也会出现在下一段的前 50 个字符里。
更关键的是两个模式选择，而且分段模式创建后无法更改——之后只能调分隔符和最大长度，想换模式必须重建知识库：
| 通用模式 | 父子模式 | |
|---|---|---|
| 分段策略 | 单层，所有分段共用一套设置 | 双层，父分段与子分段分别设置 |
| 检索流程 | 匹配到哪段就返回哪段 | 用子分段匹配查询，返回整个父分段作上下文 |
| 兼容索引 | 高质量、经济 | 仅高质量 |
| 适合内容 | 术语表、常见问题这类独立短内容 | 技术手册、研究论文这类上下文重要的长文档 |
选父子模式还要再定一件事：父分段按「段落」还是「全文」。全文模式把整个文档当作一个父分段，只处理前 10,000 个 token，超出部分截断；而且父分段创建后无法编辑，要改只能重新上传文档。
索引与检索：先保命中，再保精度
索引方式只有两种。高质量索引调用嵌入模型，语义相近但用词不同的问法也能命中；经济索引不使用模型，靠关键词，速度快、成本低，换个说法就可能找不到。父子模式只支持高质量，这一条会反过来限制上面的选择。
检索设置里两个关键参数：Top K 和分数阈值。Top K 太小，正确答案排在第 5 位就进不来；太大，噪声把上下文塞满。阈值调太高会漏召回，调太低会引入无关段落。可行的顺序是先放宽 Top K、把阈值调低，看正确片段排在第几，再逐步收紧。
Agent 知识库那边没有这两项，取而代之的是「检索深度」：快速、深度、研究三档，调深之后系统还会追踪相关主题、或把问题拆成几部分。两套参数名不一样，别拿经典知识库的教程去调 Agent 知识库。RAG 的底层原理见什么是 RAG 一篇。
五类异常表现的排查顺序
| 异常表现 | 先查哪一层 | 具体动作与判断标准 |
|---|---|---|
| 回答和问题完全不相关 | 召回 | 用命中测试看返回片段，正确段落有没有进前三条 |
| 召回到了但答非所问 | 提示词 | 限定「只依据给定片段回答」，看回答能否在片段里逐句对上 |
| 同一问题两次答案不同 | 分段 | 检查边界是否切断了关键条件，同一片段是否稳定命中 |
| 细节答对、条件答错 | 入库 | 核对原文版本与适用范围，多半是旧版内容没清掉 |
| 专业术语总是答偏 | 索引与分段 | 查该术语是否被切成两段，或经济索引下换了说法 |
Dify 知识库速查
- 先定类型：Agent 省事可同步，经典可控可调分段；Agent 不能转回经典
- 单文件上限：Agent 全套餐 15 MB；经典 Professional/Team 可到 50 MB
- 分段三参数：分隔符、最大长度、重叠长度
- 分段模式创建后不能改，选错只能重建
- 父子模式仅支持高质量索引；全文父分段只处理前 10,000 token
- 召回先放宽 Top K、调低阈值，看排名再收紧
常见问题
- 内容必须留在自己系统里，能接吗？能。经典知识库支持以「外部知识库」的形式接入自有系统的内容，不必先上传到 Dify；这是它与 Agent 知识库的一个实质差别。
- 网站内容更新了要手动同步吗？看类型。Agent 知识库的每个数据源可单独设置同步策略，自动更新；经典知识库的 Notion 与网站文档需要手动同步。
- 整本文档作为一个父分段，为什么后半段答不出来？检查是不是选了「全文」父分段模式——该模式只处理前 10,000 个 token，超出部分被截断。
知识库选型上的横向比较，见AI 知识库工具对比；更多同类教程在AI 工具教程栏目。
信息来源
- Dify 官方文档「知识库」概览（docs.dify.ai/zh/cloud/use-dify/knowledge/overview）：两类知识库的定位、对比表、文件大小限制，核对时间 2026 年 11 月；
- Dify 官方文档「指定分段设置」（docs.dify.ai/zh/cloud/use-dify/knowledge/create-knowledge/chunking-and-cleaning-text）：分隔符、分段最大长度、分段重叠长度、通用与父子模式对比、全文模式 10,000 token 限制、预处理开关，核对时间 2026 年 11 月；
- Dify 官方文档「创建即用型知识库」：四步创建流程与索引/检索设置入口。
