前言
新功能
KnowFlow v2.1.7 正式发布，本版本推出以下功能：
1. Dify 接入
为了方便 KnowFlow 更方便对接 Dify，我们提供了 Dify 插件以及 DSL 模板。这样开发者无需再去调试接口，便可以在 Dify 简单的通过配置实现 KnowFlow 和 Dify 的对接。
2. 分块优化
我们针对 MinerU/Dots 量身定制的 smart/title/parent_child 切块方法的标题做了统一优化，新增支持对分块内容添加父标题。
对 title 切块支持自定义标题层级，用户可以选择 H1~H6 标题层级，切块时候严格依照标题层级切分。
3. 图片理解优化
v2.1.6 版本我们发布了以文搜图功能，但图片上下文信息并未送入到视觉模型，导致数据模型的图片识别脱离原文。 本版本我们会将图片关联的段落送给模型，实测下来图片理解功能大大增强。
缺陷修复
1. PPT 解析时候 re报错问题2. 修复 id:x 在极端情况下未显示引用的问题 3. 修复 datasets api 无法直接传入 smart/regex/title/parent_child 分块方法
优化
1. Mineru/Dots 图片和表格的 captiton 和图片/标题内容关联，避免被分割到不同块 2. chunk 的分块顺序由 top 更改为 mineru 解析的 block 顺序，适配论文等双栏布局场景
本版本同时将官网文档再次更新，提供了分块方法的使用案例以及 dify 对接使用相关说明，详情可移动到官网文档。
产品细节
dify 接入
为方便 Dify 对接到 KnowFlow，考虑到灵活性和扩展性，我们并不推荐 Dify 外接知识库方案，该方案存在一定的局限性。而是选择了直接调用 KnowFlow API。
1. 安装插件：为降低 API 调试成本，我们提供了 Dify API 插件，该插件已经封装好了 API。
2. 配置插件：用户只需要通过简单的插件配置，输入 API_KEY、URL、知识库 ID 信息，就可以无缝调用 API。
3. 导入 DSL：配置完插件后，在 Dify 平台需要解析 API 返回结果，并透传给大模型。为降低配置成本，我们提供了 DSL 可以一键导入，无需单独配置。
上述插件和 DSL 同样适用于 RAGFlow，极大的方便了 Dify 接入，不用代码调试，界面上简单配置即可。
分块标题优化
由于 MinerU/Dots 识别产物是 MarkDown ，其中 MarkDown 的标题对于文档结构信息的还原至关重要。我们对 MarkDown 标题进行统一优化，作用于 smart/title/parent_child 切片方法。
追加父标题： 对于任意切块，可以追加其所有的父标题，类似于 RAGFlow 新增的 Table Of Content 模式。实测上下文问题大大改善。
根据标题层级切割： 该功能也是客户使用产品过程中提出的，针对一些论文，规章制度类型的文档，往往标题下内容不多，相对规范，此时我们可以通过标题层级切割，支持用户在前端进行选择。
图片理解上下文
为了让视觉模型更好的识别到图片语义，我们将图片附近的段落提取给模型，提取的规则是：
1. 将图片所在标题范围内，与图片距离最近的 2 个段落作为备选。 2. 在上述段落里，通过正则匹配一些常见的关键字，比如图几这样的，如找到，优先返回该段落；如找不到，则返回全部段落
通过该规则，基本上可以满足大多数场景。
未来展望
本版本围绕产品体验，将产品不断打磨，使用户体验更加友好。近期在和客户交流的过程中，KnowFlow 的产品定位也瑜伽清晰：将结构化与非结构化数据治理成对大模型更可信的输入，构建面向未来的数据治理平台，重塑 AI 时代的数据根基。
基于此定位，后续我们将围绕以下产品方向进行迭代：
• 智能问数（含 excel 和各种数据库） • 集成 RAG 的评估框架，对问答效果进行定量分析
开源
本项目社区版已更新至 v2.1.2 版本，支持 RBAC 以及 Dots 文档引擎接入。 欢迎关注公众号 KnowFlow 企业知识库 加入内部交流群，学习和分享 RAG 知识库。
