Dify中知识库启动向量化前必须配置TEXT EMBEDDING模型，推荐bge-large-zh（中文私有化）或text-embedding-ada-002（云服务），需测试连接成功并返回维度值；上传文档后启用父子分段（父650/子200/重叠50）；启用Weaviate内置或自定义Rerank模型可提升检索准确率；三步验证法包括业务问题查询、原文高亮核对、歧义词检索对比。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
创建知识库前必须完成的模型配置
在Dify中，知识库无法启动向量化流程，根本原因往往是TEXT EMBEDDING模型未正确配置——系统会静默跳过文档处理，不报错也不提示。
进入「设置」→「模型供应商管理」→「TEXT EMBEDDING」标签页，点击「添加模型」。
选择嵌入服务类型：若追求中文语义精度且需私有化部署，【必须选用bge-large-zh】；若依赖云服务稳定性，可选text-embedding-ada-002，但注意其向量维度为1536，后续更换模型将触发全量重索引。
填写模型名称、API密钥（如适用）、基础URL（本地部署填http://localhost:8000/v1），保存后立即点击右侧「测试连接」按钮——仅当显示“连接成功”且返回向量维度数值时，才算真正就绪。
上传文档并启用父子分段模式
点击左侧导航栏「知识库」→「创建知识库」，输入名称（如“客服FAQ_V2”）并确认。
在「文档上传」区域，直接拖入PDF/Markdown/TXT文件，或点击「从URL同步」导入Confluence、Notion页面链接。
上传完成后，进入「文本分段与清洗」环节，关键操作在此：下拉选择「分段模式」→ 选中「父子分段」。
手动覆盖默认参数：【父分段长度设为650，子分段长度设为200，重叠长度设为50】。这个组合经实测在技术文档类内容上召回率提升最显著——父段保上下文，子段提匹配粒度，50字符重叠能有效防止“接口参数”“响应格式”等跨块关键词被截断。
启用Rerank模型提升排序精度
方法一：使用Weaviate内置reranker（推荐）
确保已部署Weaviate 1.27.0+版本，在知识库设置页勾选「启用Rerank」，类型选「weaviate-reranker-cohere」或「weaviate-reranker-jina」。
方法二：接入自定义rerank服务
在「模型供应商管理」中新增RERANK类型模型，填写支持rerank API的端点（如vLLM部署的jina-reranker-base-zh），保存后回到知识库设置页启用即可。
注意：未配置RERANK时，系统仅按向量相似度排序，Top3结果中常混入语义相近但事实错误的片段；启用后，对“如何重置管理员密码”这类操作型问题，准确率可从62%跃升至89%。
验证检索效果的三步测试法
第一步：用典型业务问题发起查询，例如“客户投诉处理SOP第三步是什么”，观察返回片段是否精准定位到原文位置。
第二步：点击任一检索结果右侧的「查看原文」图标，核对高亮句是否完整包含答案依据——若只高亮半句话或出现乱码，说明分段时编码解析失败，需重新上传并勾选「强制UTF-8编码」。
第三步：在「知识库详情页」点击「测试检索」，输入带歧义词的查询如“苹果发布”，对比启用Rerank前后Top3结果变化：未启用时多为水果相关内容，启用后应优先出现iPhone发布会纪要。
