第5章：知识库与 RAG 基础——文档问答从此不求人

1. 项目背景"我们的产品文档有 200 页，客服每天被重复问题问到崩溃。"产品总监在周会上拍着桌子说，“能不能让 AI 直接读我们的文档，用户问啥它答啥？”这不是科幻。这就是 RAG（Retrieval-Augmented Generation，检索增强生成）要做的事。但很多技术团队在落地 RAG 时，遇到了一系列让人抓狂的问题：PDF 里表格的数据提取出来全乱了、长文档切分不知道切多长合适、向量检索的结果和用户问题驴唇不对马嘴、换了 Embedding 模型后向量维度对不上导致数据库报错……这些问题的根源在于：RAG 不是简单的"上传文档→问问题→得答案"，而是一个多阶段的流水线。Dify 把这个流水线封装成了可视化的操作：上传文件（支持 PDF/Word/Excel/Markdown/HTML/Notion 等 20+ 格式）→ 选择分段策略 → 选择 Embedding 模型 → 索引到向量数据库 → 配置检索模式 → 在 App 中使用。每一环都影响最终效果。本章将带你从文档上传到检索调优，完整走通 Dify 的 RAG 管线。你会理解为什么"好的分段"是 RAG 成功的一半，为什么"混合检索"比纯向量检索更靠谱，以及如何通过 Re-rank 来挽救低质量的检索结果。学完这一章，你就能自信地回答产品总监的那句话：“能，而且比你想的更好。”2. 项目设计小胖：（抱着一本打印出来的产品手册）“大师，我把这本 200 页的 PDF 上传到 Dify，建了个知识库，然后问了一句’产品保修期多久’，结果 AI 回复说’