Dify 搭建企业知识库实战教程

我第一次用 Dify 搭知识库是为了解决团队里的一个痛点：新员工入职后，总是在钉钉群里问一些"公司报销流程是什么""差旅政策是怎么规定的"这类问题，每次都要有人去翻 HR 文档再回答。

花了不到一个小时，把所有 HR 文档上传到 Dify，搭了一个简单的问答 Bot，之后这类问题全部自动解答了。这是我觉得 RAG 知识库真正有价值的第一个例子。

什么是 RAG 知识库？

不需要懂技术的解释：

把你的文档（PDF、Word、网页）上传进去，AI 在回答问题前会先搜索这些文档，找到相关内容后再组织答案——而不是凭空"想象"。这样 AI 的回答就有了依据，不会胡说。

Dify 就是帮你做这件事的工具，而且不需要写代码。

---

准备工作

账号：去 dify.ai 注册，有免费额度。如果要私有化部署，也可以下载开源版本自己搭。

文档准备：

支持 PDF、Word(.docx)、TXT、Markdown、HTML

单文件建议不超过 50MB

中文文档支持很好，不用担心语言问题

选择模型：

免费额度内推荐用 Deepseek 或 通义千问（国内，性价比高）

如果不在意价格，Claude 3.5 Sonnet 效果最好

用 OpenAI 需要自备 API Key

---

第一步：创建知识库

登录 Dify，左侧菜单点击「知识库」

点击「创建知识库」→ 给它取个名字（比如"HR 政策文档"）

上传你的文档

上传技巧：

可以一次上传多个文件

建议把相关文档分主题放在同一个知识库

不要把不相关的文档混在一起，会影响检索精度

---

第二步：配置文档分块

上传后，Dify 会问你怎么分割文档。这个设置很关键，很多人在这里选错了导致效果差。

推荐配置（适合大多数场景）：

分块大小：500-800 个 token（对中文大概是 300-500 个汉字） 重叠长度：50 token（让相邻块有一点重叠，避免切断上下文）

什么时候调整？

文档里有很多列表和表格 → 可以尝试更小的分块（300 token）

文档是长篇叙述（如技术文档）→ 可以适当增大（1000 token）

---

第三步：测试检索效果

在知识库页面，有一个「召回测试」功能，一定要先用这个测试。

输入你预计用户会问的问题，看看 AI 能检索到哪些相关段落。如果检索结果不理想，需要调整分块配置重新处理文档。

---

第四步：创建应用

左侧菜单点击「工作室」→「创建应用」

选择「聊天助手」（最简单的形式）

应用名称：比如"HR 小助手"

在「上下文」那一栏，选择刚才创建的知识库

System Prompt 示例：

你是公司的 HR 助手，专门回答关于公司政策、报销流程、请假规定等问题。
回答规则：
只基于提供的文档内容回答，不要凭空猜测
如果文档里没有相关信息，明确告知建议联系 HR 部门
使用简洁友好的语言，避免官僚腔调

---

第五步：调试和优化

常见问题和解决方法：

问题 1：回答正确但太啰嗦 → 在 System Prompt 里加上：「回答要简洁，控制在 200 字以内」

问题 2：找不到文档里的信息 → 把「召回 Top-K」从默认的 3 调高到 5-8

问题 3：AI 回答了文档以外的内容 → 加强 System Prompt：「只能基于提供的知识库内容回答」

问题 4：中文检索效果差 → Embedding 模型选择支持中文的（推荐 text-embedding-v2 或 BGE）

---

第六步：发布和分享

调试满意后，点击「发布」。Dify 提供多种接入方式：

分享链接：直接发给团队成员用

嵌入到网页：一段代码，粘贴到你的网站

API 接口：供开发者调用

---

实际效果参考

某 20 人团队用来管理产品文档，客服回答问题的准确率从 60% 提升到 88%

某律所用来处理合同模板库，律师助理找模板的时间从平均 15 分钟降到 2 分钟

某教育机构用来回答家长常见问题，人工客服工作量减少约 40%

效果好不好，取决于文档质量和系统提示词的设计——这两个是决定性因素，工具本身退居其次。

---

常见问题

Q：Dify 免费版够用吗？ A：个人学习和小团队试用够用。正式生产环境建议自托管开源版，或升级到付费版（$59/月起）。

Q：数据安全吗？ A：Dify 是开源项目，可以私有化部署在自己的服务器上，数据完全自己控制。

Q：和直接用 ChatGPT 问文档有什么区别？ A：ChatGPT 处理长文档有上下文限制，而且每次都要重新上传。Dify 把文档处理成向量索引，检索速度快、可扩展、可以管理大量文档。

👉 了解更多 AI 工作流方案 | 查看 RAG 知识库最佳实践