背景
我们在检索的时候，可以通过调整语义和关键词的权重来检索知识。从而实现关键词+语义的互补。
而在dify的rag中，是没有关键词的。在dify1.2.0的时候，dify新增了一个元数据的功能，我们可以给文档设置元数据，从而在检索的时候，通过元数据作为关键词，可以过滤一部分内容。
但是该功能是文档级别的，并不能匹配到分段内容。
我们先看下我接下来的检索实验。
dify中的检索实验
在dify中一共有三中模式。
-
• 向量检索： 向量化用户输入的问题并生成查询文本的数学向量，比较查询向量与知识库内对应的文本向量间的距离，寻找相邻的分段内容。 -
• 全文检索：关键词检索，即索引文档中的所有词汇。用户输入问题后，通过明文关键词匹配知识库内对应的文本片段，返回符合关键词的文本片段；类似搜索引擎中的明文检索。 -
• 混合检索： 同时执行全文检索和向量检索，通过权重或 Rerank 模型，从查询结果中选择匹配用户问题的最佳结果。
知识库配置
为了减少干扰，我使用同一个文档，同一个向量模型，4个知识库做测试。
-
• 知识库1：bge-m3-向量检索 -
• 知识库2：bge-m3- 全文检索 -
• 知识库3：bge-m3-混合-权重 -
• 知识库4：bge-m3-混合-rerank
知识库1：bge-m3-向量检索
知识库2：bge-m3- 全文检索
知识库3：bge-m3-混合-权重
知识库4：bge-m3-混合-rerank
测试文档
## 案例1：风寒感冒
- **症状描述**：鼻塞流清涕、畏寒无汗、头痛、咳嗽白痰、舌淡苔白
- **理论依据**：《伤寒论》太阳病理论，寒邪束表致卫阳被遏。大椎为诸阳之会可散寒解表，风门为风邪出入门户，合谷属阳明经通调肺气
- **配穴方案**：大椎、风门、合谷
- **操作流程**：先灸大椎20分钟至潮红，再灸风门15分钟，最后灸合谷10分钟。每日1次，连续3天
## 案例2：脾胃虚寒型胃痛
- **症状描述**：胃脘冷痛、喜温喜按、食少便溏、四肢不温、舌淡胖有齿痕
- **理论依据**：《针灸甲乙经》"中脘主腹胀不通"，配合胃经合穴足三里健运脾土，神阙温补元阳
- **配穴方案**：中脘、足三里、神阙
- **操作流程**：神阙隔姜灸5壮，中脘悬灸25分钟，足三里双穴各灸15分钟。饭前操作，隔日1次
## 案例3：寒凝血瘀型痛经
- **症状描述**：经前小腹冷痛拒按、经血紫暗有块、得热痛减、面色青白
- **理论依据**：《妇人大全良方》寒客胞宫理论，关元为任脉与三阴经交会穴，三阴交统调阴经，次髎温通胞宫
- **配穴方案**：关元、三阴交、次髎
- **操作流程**：经前3天开始灸，关元灸30分钟，三阴交双穴各15分钟，次髎20分钟。每日1次至经期第2天分片设置
分片规则统一如上图。
-
• 父子分段 -
• 父段分片标识 ## -
• 字段分片标识默认 n
检索结果
在我的分片内容中有健运脾土 这个
向量检索中，能召回到
在全文检索中，反而没有召回到，这就让我有点惊讶（先问了下chatgpt，后续研究下这里的代码）
混合检索-rerank也召回到了
混合-权重也召回到了。
这只是我测试的一个词，而在实际使用的时候，检索效果依赖具体 query 与文本 embedding 的相似度，因此具备不确定性。 而全文检索整个知识库就没有几个文档，就得2~3秒的，性能不高。后续得自己看下源码。
于是我就在想如何加上关键词，让检索更精准。
关键词设置
我是不是可以在整理数据的时候，提取出关键词，然后将关键词作为子分段，反正父子检索式检索到内容以后，会把整个父分段作为上下文。
于是我让大模型生成关键词，然后添加进去。
子分段作为独立的关键词，并向量化存储，然后检索的时候，理论上应提升检索召回率，但仍依赖 embedding 的语义表达，不能等同于精确匹配
我看了代码，没对query做改写。为啥score这么低？
这细节上的点，还得深入研究下，看下源代码，以及做更多的样本测试。
系列文章
uv配置环境
dify相关
DeepSeek+dify 本地知识库：真的太香了
Deepseek+Dify本地知识库相关问题汇总
dify的sandbox机制，安全隔离限制
DeepSeek+dify 本地知识库：高级应用Agent+工作流
DeepSeek+dify知识库，查询数据库的两种方式（api+直连）
DeepSeek+dify 工作流应用,自然语言查询数据库信息并展示
聊聊dify权限验证的三种方案及实现
dify1.0.0版本升级及新功能预览
Dify 1.1.0史诗级更新！新增"灵魂功能"元数据，实测竟藏致命Bug？手把手教你避坑
【避坑血泪史】80次调试！我用Dify爬虫搭建个人知识库全记录
手撕Dify1.x插件报错！从配置到网络到Pip镜像，一条龙排雷实录
dify1.2.0升级，全新循环节点优化，长文写作案例
dify1.x无网环境安装插件
dify项目结构说明与win11本地部署
Dify 深度拆解（二）：后端架构设计与启动流程全景图
ragflow相关
DeepSeek+ragflow构建企业知识库：突然觉的dify不香了（1）
DeepSeek+ragflow构建企业知识库之工作流，突然觉的dify又香了
DeepSeek+ragflow构建企业知识库：高级应用篇，越折腾越觉得ragflow好玩
RAGFlow爬虫组件使用及ragflow vs dify 组件设计对比
从8550秒到608秒！RAGFlow最新版本让知识图谱生成效率狂飙，终于不用通宵等结果了
以为发现的ragflow的宝藏接口，其实是一个天坑、Chrome/Selenium版本地狱
NLTK三重降噪内幕！RAGFlow检索强悍竟是靠这三板斧
从代码逆向RAGFlow架构：藏在18张表里的AI知识库设计哲学
解剖RAGFlow！全网最硬核源码架构解析
深度拆解RAGFlow分片引擎！3大阶段+视觉增强，全网最硬核架构解析
深度拆解RAGFlow分片引擎之切片实现
RAGFlow核心引擎DeepDoc之PDF解析大起底：黑客级PDF解析术与致命漏洞
RAGFlow 0.18.0 实战解读：从 MCP 支持到插件配置的全流程揭秘
ragflow 0.19.0 图文混排功能支持
相关文章
