.png?table=collection&id=1e16e373-c263-81c6-a9df-000bd9c77bef&t=1e16e373-c263-81c6-a9df-000bd9c77bef)
Dify 2.0.0深度解析：图文混排与工作流知识库的革命性升级
type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能应用开发领域，迭代速度决定了生态的活力。作为领先的开源LLM应用开发平台，Dify 近日再次为我们带来了惊喜——v2.0.0-beta.1 版本的正式发布。这并非一次常规的功能更新，而是一场围绕核心“知识库”模块的彻底重构与革命性升级。
本次更新的焦点在于其全新的“知识流水线”和万众期待的“图文混排”能力。简单来说，Dify 将以往相对固化的知识库创建过程，升级为了一个完全可编排、可调试、高度灵活的“工作流”，同时赋予了AI原生理解和输出图文并茂内容的能力。这不仅极大地提升了开发者的自由度和效率，也为AI应用的交互体验开辟了全新的想象空间。接下来，让我们深入探索这些令人振奋的新特性。
知识库的重生：从“单节点”到“智能流水线”
在过去，Dify 的知识库功能强大但略显单一。开发者上传文档，系统进行处理，然后作为一个整体在应用中被调用。而 Dify 2.0.0 引入了“通过知识流水线创建知识库”的全新模式，彻底改变了这一现状。
这套“知识流水线”（Knowledge Pipeline）本质上是一个专为数据处理和知识构建设计的微型工作流。开发者可以像编排应用逻辑一样，通过拖拽节点来定义知识的完整生命周期：
- 数据源节点：定义知识的来源，可以是本地文件，也可以是网络爬虫抓取的内容。
- 数据处理节点：包括文档内容提取、文本分块（Chunking）等关键步骤，每个步骤的参数都可以精细化调整。
- 知识库入库节点：将处理好的数据片段（Chunks）最终存入向量数据库，完成知识的构建。
这种模式带来了三大核心优势：
1. 高度灵活性：开发者可以根据不同的数据类型和业务需求，自由组合和配置处理节点，打造最优的知识处理流程。
2. 过程透明化：整个知识构建过程可视化，每个节点都可以单独调试，快速定位问题，告别了以往的“黑盒”操作。
3. 模板与复用：Dify 提供了多种内置流水线模板（如简易问答、全文索引等），开发者可以一键使用或自定义保存，极大提升了知识库的创建和管理效率。
打破数据孤岛：多源数据集成一站式搞定
企业级 AI 应用的一大挑战便是如何高效整合来自四面八方的异构数据。Dify 2.0.0 在数据源支持上迈出了一大步，通过插件化的方式，原生支持了多种数据源的接入。
现在，同一个知识库可以同时连接并处理来自以下渠道的数据：
* 本地文件：如 PDF、Word、Excel、Markdown 等。
* 在线文档：直接链接到网页或在线文档服务。
* 云端存储：集成主流的云盘服务。
* 网络爬虫：配置爬虫插件，自动抓取和更新网站内容。
这意味着，开发者再也无需为每一种数据源单独创建和维护一个知识库，也无需在应用工作流中进行复杂的预处理。只需在知识流水线的“数据源”节点中添加相应的插件，即可实现多源数据的统一接入、处理和索引。这对于构建需要整合内外网信息、实时更新知识的复杂AI应用而言，无疑是一个巨大的福音。想了解更多关于AI领域的最新动态和前沿技术，可以访问AI门户网站 https://aigc.bar 获取一手AI资讯。
AI应用的下一站：迈入图文混排新时代
如果说知识流水线是“生产力”的革命，那么图文混排输出功能则是“表现力”的飞跃。Dify 2.0.0 首次实现了让LLM在回答中同时返回文本和图片的能力，让AI的表达不再局限于苍白的文字。
这项功能的实现，依赖于知识库在处理文档时对图片链接的精确提取和保留。当用户提问时，RAG（检索增强生成）系统不仅会检索相关的文本片段，还会一并找出其中包含的图片。最终，大模型在组织回答时，会将这些图片以 Markdown 格式嵌入到文本中，从而生成图文并茂的答案。
这一功能的应用场景极其广泛：
* 智能客服：在回答产品使用问题时，可以直接展示产品截图或操作示意图。
* 教育培训：解释复杂概念时，可以附上图表、流程图，让知识更直观。
* 内容创作：生成一篇包含配图的旅行攻略或技术教程，体验远胜纯文本。
当然，要实现理想的图文混排效果，需要确保知识库源文档的规范性，即图片链接必须是完整且可公开访问的。
实战演练：三步构建你的专属图文问答AI
理论讲完，我们来快速实战，体验如何利用 Dify 2.0.0 构建一个能够进行图文问答的智能助手。
第一步：创建知识流水线
1. 进入 Dify 的“知识库”模块，选择“通过知识流水线创建知识库”。
2. 你可以选择一个“空白流水线”从零开始，或者基于内置模板进行修改。
3. 在流水线画布中，配置核心节点：
* 数据源：选择“File”类型，用于上传本地文档。
* 文档提取器：添加此节点，用于解析上传文件中的文本和图片链接。
* 通用文本分块：对提取的文本进行切片，设置合理的分隔符和块长度。
* 知识库：这是默认存在的终点节点，无需额外添加。
4. 连接好所有节点，点击右上角的“发布”，完成流水线的创建。
第二步：上传文档，生成知识
- 在创建好的知识库中，进入“文档”页面，点击“添加文件”。
- 上传一份包含图片（以 Markdown 链接形式）的文档。
- 上传后，Dify 会自动执行你刚才定义的流水线，对文档进行处理、分块并存入向量库。你可以在分段列表中检查图片链接是否被正确保留。
第三步：在应用中调用知识库
1. 创建一个新的“聊天助手”或“智能体”应用。
2. 在工作流编排中，将“知识库检索”节点拖入画布。
3. 在节点配置中，选择刚刚创建的那个基于流水线的知识库。
4. 配置你的提示词（Prompt），引导LLM在回答时利用检索到的上下文，并保留其中的图片格式。例如：
`
请根据知识库内容，用中文详细回答问题。如果内容中包含图片，请务必在回答中一并展示。
`
5. 发布应用，现在你就可以与这个能说会道的“图文AI助手”进行对话了！结论
Dify 2.0.0 的更新，尤其是对知识库模块的重构，无疑是其发展历程中的一个重要里程碑。从“单体式”知识库到“工作流式”知识流水线，再到图文混排能力的加入，Dify 不仅让 RAG 应用的构建变得前所未有的灵活、透明和强大，也为我们揭示了下一代AI应用交互体验的无限可能。
这次升级，让 Dify 在开源 LLM 应用开发平台领域的领先地位更加稳固。对于所有致力于探索和构建人工智能应用的开发者和企业来说，现在正是深入了解和拥抱 Dify 2.0.0 的最佳时机。想要持续跟进 ChatGPT、Claude 等前沿模型的最新进展和实用技巧，欢迎访问 https://aigc.bar，获取最全面、最及时的 AI 新闻与洞察。
Loading...