知识库搭建实战：用 Dify 搭企业私有知识库

一、为什么用 Dify 搭知识库

Dify 是开源的 LLMOps 平台，把「文档导入 → 向量化 → 检索 → 对话」整成可视化流程，不需要写 RAG 代码就能搭出企业私有知识库。对不想从零造轮子的团队，它是性价比最高的起点。

二、部署（Docker 一键）

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

默认跑在 80 端口，首次访问初始化管理员账号即可。生产环境建议：反向代理加 HTTPS、数据库与向量库（PostgreSQL + pgvector / Weaviate）独立部署、关闭公网注册。

三、创建知识库并导入文档

1. 进入「知识库 → 创建」，选择「导入已有文本」；
2. 上传上一步清洗结构化之后的 Markdown / TXT / 表格（参考本站《文档清洗与结构化》）；
3. 索引方式选「高质量」（需配 Embedding 模型），分段策略用「自动」或自定义；
4. 等待向量化完成。

经验：每个文档最好自带 # 标题层级，分段能顺着章节切，召回更准。

四、分段与检索设置

参数	建议	说明
分段最大长度	500—1000 字符	中文按字算，别照搬英文 512 token
重叠	10%—15%	保留跨段上下文
检索方式	语义 + 全文混合	兼顾关键词与意图
TopK	3—5	太多引入噪声，太少漏信息

五、召回测试（上线前必做）

• 用真实问题测：如「客户包裹丢了怎么赔」，看召回片段是否包含赔偿政策原文；
• 错配就调整分段或补充文档，而不是先怪模型；
• 记录 20 组问答的命中率，低于 80% 先别全员推。

六、常见坑

• 直接传原始 PDF：没清洗的页眉页脚会污染索引；
• Embedding 模型频繁更换：换模型要重建索引，否则维度不匹配；
• 知识库当数据库用：精确数值（报价、库存）优先走结构化接口，别指望语义检索给准数。

Dify 解决的是「搭起来」的问题；效果上限仍在你喂进去的语料质量——所以清洗结构化这步省不掉。