功能概述
从知识库中检索与用户问题相关的文本内容，作为下游 LLM 节点的上下文 应用场景：构建基于外部数据/知识的 AI 问答系统（RAG）
基础应用流程
用户问题 → 知识库检索 → 召回相关文本 → LLM 生成回答
典型示例：知识库问答应用
配置指引
1. 查询变量配置
选择代表用户问题的查询变量（通常为 sys.query）知识库最大查询内容限制：200 字符
2. 知识库选择
需提前在 Dify 知识库中创建目标知识库
3. 召回模式
自9月1日起强制切换为「多路召回」模式 不再建议使用 N 选1召回模式
4. 下游节点连接
通常连接至 LLM 节点 需在 LLM 节点的上下文变量中关联知识检索输出
输出变量说明
{
"result": {
"content": "检索到的文本分段",
"title": "分段标题",
"link": "原文链接",
"icon": "标识图标",
"metadata": "附加元数据"
}
}
下游节点配置规范
上下文变量关联
将 result变量绑定到 LLM 节点的上下文变量在提示词中插入上下文变量占位符
运行逻辑
有检索结果时：上下文变量值自动填充，LLM 基于知识库内容回答 无检索结果时：上下文变量为空，LLM 直接回答问题
扩展功能支持
支持应用端的引用溯源功能 可显示文本分段的来源信息（标题/链接等）
提示：该配置方案同时支持知识增强和原始知识归属展示，建议在提示词中设计合理的知识引用格式。
Dify→问题分类 |
通过定义分类描述，问题分类器能够根据用户输入，使用 LLM 推理与之相匹配的分类并输出分类结果，向下游节点提供更加精确的信息。
场景
常见的使用情景包括：
客服对话意图分类 产品评价分类 邮件批量分类
在一个典型的产品客服问答场景中，问题分类器可作为知识库检索的前置步骤，对用户输入问题意图进行分类处理，分类后导向下游不同的知识库查询相关的内容，以精确回复用户的问题。
示例工作流模板
下图为产品客服场景的示例工作流模板：
分类 1：与售后相关的问题 分类 2：与产品操作使用相关的问题 分类 3：其他问题
应用示例
当用户输入不同问题时，分类器会根据已设置的分类标签/描述自动完成分类：
“iPhone 14 如何设置通讯录联系人？” → “与产品操作使用相关的问题” “保修期限是多久？” → “与售后相关的问题” “今天天气怎么样？” → “其他问题”
如何配置
选择输入变量：指用于分类的输入内容，支持输入文件变量。客服问答场景下一般为用户输入的问题 sys.query。选择推理模型：基于大语言模型的自然语言分类和推理能力，选择合适的模型以提升分类效果。 编写分类标签/描述：手动添加多个分类，通过编写关键词或描述语句帮助大语言模型理解分类依据。 选择下游节点：根据分类结果与下游节点的关系，选择后续流程路径。
高级设置
指令：在高级设置中补充附加指令（如更丰富的分类依据），增强分类能力。 记忆：开启后，输入将包含聊天历史以提升对话交互中的问题理解能力。 图片分析：仅适用于具备图片识别能力的LLM，允许输入图片变量。 记忆窗口：关闭时，系统根据模型上下文窗口动态过滤聊天历史；开启时可精确控制传递数量（对数）。
输出变量
class_name：存储分类模型的预测结果。分类完成后，此变量包含具体类别标签，可在后续处理节点中引用以执行相应逻辑。
