#4. 知识检索

---

知识检索节点用于把已有的知识库接入工作流。它在指定的知识库中搜索与查询相关的内容，并把搜到的结果作为上下文输出，供下游节点（如 LLM）使用。

下面是一个在聊天流中使用知识检索节点的典型链路：用户输入节点收集查询 → 知识检索节点在选定知识库中搜出相关内容并输出 → LLM 节点结合查询和检索结果生成回答 → Answer 节点把回答返回。

使用前需确保至少有一个可用的知识库。在 Dify Cloud 上，知识检索操作受套餐对应的速率限制。

#节点配置

要让节点正常工作，需要明确三件事：搜什么（查询）、去哪搜（知识库）、搜到后怎么处理（节点级检索设置）。此外还可借助文档元数据做筛选式检索，进一步提升精度。

指定查询内容

设定节点拿什么去知识库里搜。

• 查询文本：选一个文本变量作为搜索词。聊天流里通常选 userinput.query，它就是访客在对话框里输入的那句话；工作流里则选某个自定义的文本类输入字段。
• 查询图片：选一个图片变量（比如经用户输入节点上传的图片），用图片本身去搜，单张上限 2 MB。这个选项只有在节点里加了至少一个多模态知识库时才会出现——这类知识库带 Vision 标签，意味着它用的是能同时理解文字和图像的多模态嵌入模型。

知识库

添加一个或多个已有知识库，作为节点的检索范围。加了多个时，节点会先同时在所有知识库里搜一遍，再把各家的结果汇到一起，按下面的节点级设置统一处理。带 Vision 标签的知识库支持跨模态检索，也就是能按语义相关性把文字和图片一起召回。点击任一已添加知识库旁的编辑图标，可单独调整它的设置。

配置节点级检索设置

点击「召回设置」，可以调整节点在拿到知识库返回的结果之后，如何进一步处理这些结果。

需要先理清一点：检索设置其实分两层，一层在知识库上，一层在这个节点上。两层是先后接力的关系——知识库那层决定初步捞出哪些候选结果，节点这层再对这批候选重新排序、或筛掉一部分，得到最终输出。

节点级可调整的设置包括：

• 权重设置：拖动滑杆，在「语义」和「关键词」之间分配权重，两者之和固定、一增一减。越靠语义一侧，排序越看重含义是否相近；越靠关键词一侧，越看重词面是否精确命中。该方式要求所有已添加的知识库都采用「高质量」索引模式，否则不可用。

• Rerank 模型：改用一个重排模型，按结果与查询的相关程度重新打分、重新排序。若加了多模态知识库，记得一并选带 Vision 标签的多模态重排模型，否则召回的图片会在重排时被丢掉、进不了最终输出。

• Top K：重排之后最多返回几条结果。选了重排模型时，这个数会随模型一次能处理的最大文本量自动调整。

• Score 阈值：结果能被返回的最低相似度分数，低于此分的一律剔除。该项可通过左侧开关单独启用或关闭。阈值调高，留下的结果更精准；调低，则纳入更宽泛的匹配。

元数据过滤

默认情况下，检索会扫遍整个知识库。如果只想在特定文档里搜，可以开启元数据筛选（手动或自动均可）。知识库很大、或里头混着面向不同场景的内容时，这一步对提升检索精度尤其明显。

提示：元数据的介绍详见下方「知识库」章节。

#输出

知识检索节点把检索结果输出成一个名为 result 的变量。它是一个数组，每个元素是一段检索到的文档分片，带有该分片的正文内容、元数据、标题等属性。如果检索结果里含图片附件，result 里还会多出一个 files 字段，存放图片的详细信息。

#与 LLM 节点配合

要把检索结果作为上下文喂给 LLM 节点：

1. 在 LLM 节点的「上下文」中，选择知识检索节点的 result 变量。
2. 在系统提示词中引用这个「上下文」变量。
3. 可选：若 LLM 支持视觉，开启「视觉」，它便能处理检索结果中的图片附件。无需另行把检索结果指定为视觉输入——开启 Vision 后，LLM 会自动读取召回的图片。

在聊天流中，引用了知识库的回答默认会附带引用出处。如需关闭，可在画布右上角「功能」里停用「引用与归属」。