Dify知识库多源文档混合检索实战指南

先给出一个核心结论：若要在Dify知识库中让PDF文档、结构化数据库记录以及实时API返回的接口数据同时参与语义加关键词的联合检索，你必须打通这三类数据源的接入路径，并统一启用混合检索策略。否则，系统只会对某个单一数据源执行单路检索，根本无法实现融合。

打个比方，这就像三支乐队同台演出：你必须确保每支乐队的线路都接入调音台，并且调音师同时推起三路推子，否则你听到的永远只有一支乐队的独奏。

接入多类型数据源

实际操作并不复杂。登录Dify控制台，进入「数据源管理」，点击「新建数据源」即可。

你需要依次添加以下三类数据源：

• 选择「文件上传」，将PDF、DOCX或TXT格式的文档上传。
• 选择「PostgreSQL」，填写host、port、database、username、password等常规参数，务必配置好ssl_enabled选项。
• 选择「REST API」，填写GET请求的URL，配置Headers（记得携带Authorization），再补充Query Params，例如?updated_after=2026-01-01。

特别提醒：PostgreSQL连接必须开启SSL，否则Dify会直接拒绝建立持久化连接，后续检索节点将无法调用该数据源。

每添加完一类数据源后，点击「保存并触发索引构建」。但有个需要避开的坑——API源不支持自动切片，你必须确保响应体是纯文本或JSON数组，并且必须包含text字段，否则向量化步骤会直接报错。

启用混合检索并配置权重

这一步至关重要。进入「数据集」页面，找到已绑定上述三类数据源的知识库，点击「编辑」，然后在「检索设置」中操作。

看到「启用混合检索」开关了吗？勾选它。下方会出现两个滑块：「关键词匹配权重」默认0.3，「向量相似度权重」默认0.7。

你可以将关键词权重拖至0.4，向量权重会自动调整为0.6。在技术文档加自由文本混合的场景下，这个比例能稳定提升召回效果。如果知识库中法规条文占比超过60%，不妨将关键词权重进一步调高至0.5进行试验。

保存设置后，页面会弹出提示：“需重新索引全部文档以应用新策略”。直接点击「立即重建索引」，等待状态变为「就绪」即可。

验证混合结果是否真正融合

配置完成后，如何确认它确实在生效？这里有三种验证方法。

方法一：在知识库详情页点击「测试检索」，输入查询词，例如“用户注销流程”。观察返回的结果列表。

如果前3条结果中，包含一条来自PDF的步骤截图描述、一条来自PostgreSQL的字段定义、以及一条来自API的最新操作日志，说明三源混检已成功运行。

方法二：打开浏览器开发者工具，切换到Network标签页，执行一次检索，筛选出/datasets/{id}/retrieve接口请求。

查看响应体中的retrieval_metadata字段，确认它包含keyword_hits_count和vector_hits_count两个非零数值，并且merged_results的长度恰好等于后两者之和。

方法三：在应用工作流中插入一个「调试日志」节点，连接到检索节点输出。部署后发起一次请求，日志中应出现"hybrid_retrieval": true和"sources": ['file', 'postgresql', 'api']这样的记录。

归根结底，这三种方法都是在回答同一个问题：Dify是否真正将三个数据源融合在一起进行检索。如果验证通过，你的知识库就能从三个维度同时获取信息，检索效果将有质的飞跃。

来源：互联网