使用Dify将多格式表格（xlsx/csv/pdf）通过大模型语义压缩为轻量JSON：需上传至知识库并启用“多模态解析”，触发LLM节点执行实体识别与字段精简，输出含entity、fields的结构化JSON。
☞☞☞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☜☜☜
你需要把Excel、CSV、PDF表格等原始数据，通过大模型理解其字段含义与业务逻辑，压缩成结构清晰、语义明确的轻量级表示，用于后续检索或工作流调用。
准备多格式表格输入
将待处理的表格文件统一上传至Dify知识库或工作流输入节点。支持格式包括：.xlsx、.csv、.pdf（含可提取文本的扫描件）、.tsv。PDF需确保OCR层可用，否则字段识别会失败。
在知识库中新建数据集时，【必须勾选“启用多模态解析”】，否则系统默认跳过表格结构识别，仅作纯文本切块。
上传后等待状态变为“已就绪”，此时Dify已完成底层格式归一化——所有表格均被转为统一的JSON Schema结构，含rows、headers、metadata三个核心字段。
配置语义化重构工作流
进入工作流编辑器，拖入“LLM节点”，双击打开配置面板。
第一步：在“提示词模板”中粘贴以下结构化指令：
Qwen 视频智能分析基础客户端（免费版），基于 Qwen 3.5 Plus 多模态模型对本地视频进行内容分析，支持场景描述与基础内容理解，采用默认抽帧频率和提示词，适合快速概览视频，API Key 读取自 ~/.skill-platform/skill-platform.json 的 skills 配置。
你是一名数据架构师，请对下述表格执行两步操作：
① 识别主业务实体（如客户、订单、产品），并提取其关键属性；
② 将原始宽表压缩为不超过5个核心字段的语义化精简表，每个字段名需体现业务含义（禁止使用column_1、F2等原始命名），字段值须保留原始语义精度。
原始表格：{{input}}
第二步：在“模型选择”中指定支持长上下文的模型，如Qwen2-72B-Instruct或GLM-4-Flash——【禁用qwen2-0.5b或Phi-3-mini等小模型】，它们无法稳定解析百行以上表格的列间逻辑关系。
第三步：开启“结构化输出强制校验”，在Schema约束栏填入：
{"type":"object","properties":{"entity":{"type":"string"},"fields":{"type":"array","items":{"type":"object","properties":{"name":{"type":"string"},"description":{"type":"string"},"sample_value":{"type":"string"}}}}}}
执行降维与验证输出
方法一：单次运行调试
点击“测试运行”，上传一个含10列×50行的Excel样例。观察输出是否满足：实体名非空、字段数≤5、每个field.name不含下划线或数字前缀。
方法二：批量自动化处理
在工作流输入端接入“知识库触发器”，设置过滤条件为“文件类型 in [xlsx,csv,pdf] AND 文件大小
输出结果将自动存入指定知识库分区，文件名追加“_semantic.json”后缀。该文件可直接作为下游RAG检索的源数据，也可导出供BI工具加载。
