dify多语言知识库需预处理文档、选用bge-m3等多语言embedding模型、配置混合检索与专用reranker，并验证跨语言召回效果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Dify知识库准确理解并响应中、英、日、韩等多语言混合文档的提问，但默认配置下中文分词器会把英文单词切碎、日文假名被误判为乱码、韩文音节块无法对齐语义单元——这会导致检索召回率暴跌甚至完全失效。
上传前预处理多语言文档
将PDF/Word/Markdown等原始文件统一转为UTF-8编码的纯文本，用Notepad++或VS Code检查BOM头是否已清除；带BOM的文件在Dify中解析时可能触发异常分段。
对含中英混排的技术文档，手动在中英文之间插入零宽空格（U+200B）：例如“API接口”改为“API接口”，避免Dify的默认分词器把“API接口”识别成一个不可拆分的乱码token。
日文文档必须启用全角标点校验——若原文使用半角句号“.”，需批量替换为全角“。”，否则Dify的按符号切分逻辑会把整段日文当成单一块处理。
设置适配多语言的文本分块策略
方法一：选择“高级分块”模式 → 启用“按语义边界切分” → 语言检测开关设为【自动识别】。
方法二：强制指定语言类型 → 在分块设置中下拉选择“多语言（BGE-M3）”嵌入模型 → 此模型原生支持100+语言联合向量化，能正确对齐中/英/日/韩的语义单元，避免跨语言检索失真。
【关键前提】必须选用BGE-M3或E5-mistral等支持多语言的Embedding模型，普通中文bge-small模型对日韩文本向量化后相似度计算会严重偏移。
Gene6 FTP Server Professional v3.10.0.2 多语言特别版(集成了中文)
配置多语言检索增强参数
第一步：进入知识库→编辑→索引设置→切换至“高质量”索引模式。
第二步：关闭“仅关键字匹配”，勾选“向量+关键词混合检索”。纯向量检索在多语言场景下易受翻译歧义干扰，混合模式可兜底召回基础术语。
第三步：在Rerank模型处选择“bge-reranker-v2-m3”，该模型专为多语言排序优化，能识别“iOS开发”和“iOS開発”实为同一概念，而普通reranker会将其判为无关。
注意：若知识库中存在大量技术缩写（如“LLM”“RAG”），需在“同义词映射表”中手动添加“LLM→大语言模型, large language model”，否则跨语言提问时无法命中。
验证多语言检索效果
上传一份含中英双语的产品说明书PDF，在知识库页面点击“测试检索” → 输入日文问题「この製品の保証期間は？」→ 观察返回结果是否精准定位到中文“保修期：2年”段落而非随机英文句子。
输入韩文关键词“배터리 수명” → 检查是否召回含“电池寿命”“battery life”的中英文段落，且中文结果排序高于英文结果（因用户提问为韩文，应优先展示韩文最接近的语义表达）。
