推荐语
Dify知识库调优，提升工作效率的实用指南。
核心内容：
1. Markdown格式优化知识库文件
2. 推荐的嵌入式模型bge-m3
3. 混合检索方式提升搜索深度
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
dify的重点其实是在工作流，知识库虽然有但是并不是最好用的，但是好处是使用Dify的可以不用额外部署别的知识库的项目。那么，我们在现有的条件下，如何让Dify的知识库更加好用呢？下面我们就浅聊一下，欢迎大家一起讨论，有说的不正确的地方，也请帮我指出！经过多次的测验，最终总结出Markdown格式是知识库最合适的，Excel格式的文件算是支持的比较差的，所以，如果是Excel的表格数据，可以考虑转换成Markdown格式的表格，会比单纯的Excel文件上传给知识库的效果会更好。
1、表格内容转Markdown
我用DeepSeek生成了一个网页版的excel表格内容转Markdown格式的工具，需要的文末会有下载方式。
下面是我获取这个工具的一个过程，其实现在AI可以帮我们做很多工作，只要能够合理利用，会提高我们的工作效率：
2、文本内容转Markdown
文本内容转Markdown格式我推荐一个开源项目，可以自己部署在本地或者服务器上，上传文件可以转换成markdown格式文件。
自己部署的话可以在github上下载源码去部署：
https://github.com/opendatalab/MinerU
最近看了下，这款开源项目提供了客户端软件，也是免费试用，同时也有免费的在线网站。建议使用支持多模态的模型，将图片内容结构化为文本内容，这里比较推荐的还是gemma3模型。其实，不仅仅是Dify，比如RAGFlow、MaxKB等等的知识库其实也是一样的，最推荐的还是Markdown格式，其次就是txt格式。但是，并不是说我们用了这些格式就能够让我们的知识库用的很顺手，实际上知识库的搭建也是个很大的工程，很可能会占据50%以上的工作内容，同时搭建知识库需要比较专业、具有比较强的业务能力的人员来操作。现在市面上Embedding模型有很多，那么我们需要选择哪一款呢？
经过我个人测试以及群友和其他大佬们的推荐，最后总结为bge-m3这款Embedding模型是最值得推荐的，
如果是本地Ollama部署LLM的，可以直接用下列命令安装：如果使用的是在线模型的话，硅基流动提供了免费版本的bge-m3模型，有需要的可以直接使用硅基流动的这款模型：Dify的知识库提供了三种检索方式，分别是：向量检索、全文检索和混合检索这三种方式。
其中，更推荐使用混合检索的方式
将语义值拉至1，表示仅启用语义检索模式。借助 Embedding 模型，即便知识库中没有出现查询中的确切词汇，也能通过计算向量距离的方式提高搜索的深度，返回正确内容。此外，当需要处理多语言内容时，语义检索能够捕捉不同语言之间的意义转换，提供更加准确的跨语言搜索结果。
将关键词的值拉至1，表示仅启用关键词检索模式。通过用户输入的信息文本在知识库全文匹配，适用于用户知道确切的信息或术语的场景。该方法所消耗的计算资源较低，适合在大量文档的知识库内快速检索。
除了上述两种方式，我们还可以不断调试语义值和关键词这两者的权重，根据知识库文件的内容及形式进行反复判断和调整，找到符合业务场景的最佳权重比例。1、可以通过调整检索算法来优化；
2、也可以通过工作流控制知识库访问来优化；
3、可以对知识库进行结构化、层次化的细分，然后基于细分后的内容进行渐进式的访问，也能有效优化检索效果；4、可以配合用户的交互，进行缩小范围并精准化检索。可以通过对内容的分割，把长文本的数据处理成短文本的数据，这样有助于知识库的优化检索。
同时也可以考虑根据长文本的内容或目录等结构性内容，构建知识图谱。
其实还有很多方式，篇幅有限也就先简单的介绍一些，实际上知识库的调优远远不止我介绍的这些点，我只是抛砖引玉，期待大家可以提出更多的方法！
粤ICP备14082021号
免费POC，
零成本试错
